典型文献
基于BP神经网络的热风炉群煤气消耗量预测
文献摘要：
热风炉是副产煤气消耗大户,热风炉群的煤气消耗数据无规律性、波动剧烈,预测难度较大.针对热风炉群煤气消耗量难以直接预测的问题,提出一种基于BP神经网络的热风炉群煤气消耗量预测方法.该方法将热风炉群的煤气消耗数据分解为单座热风炉的煤气消耗数据,利用单座热风炉周期性煤气消耗特性,将利用BP网络模型预测出的各座热风炉煤气消耗数据重构为热风炉群的煤气消耗量数据.以现场采集的热风炉煤气消耗数据作为样本进行实例分析,结果表明,数据分解重构BP网络模型的平均绝对误差(MAE)为2978.74 m3/min,平均绝对百分比误差(MAPE)为6.59％,对称平均绝对百分比误差(SMAPE)为6.88％.与传统BP网络模型相比,该模型的MAE、MAPE和SMAPE分别改善了61.86％、70.88％和66.60％.
文献关键词：
热风炉;煤气消耗量;预测;数据分解重构;BP神经网络
中图分类号：
作者姓名：
刘书含;孙文强;石晓星;范天骄;谢国威;蔡九菊
作者机构：
东北大学冶金学院,辽宁沈阳110819;国家环境保护生态工业重点实验室,辽宁沈阳110819;唐山港陆钢铁有限公司,河北唐山064200;中钢集团鞍山热能研究院有限公司,辽宁鞍山114044
文献出处：
引用格式：
[1]刘书含;孙文强;石晓星;范天骄;谢国威;蔡九菊-.基于BP神经网络的热风炉群煤气消耗量预测)[J].中国冶金,2022(02):77-83
A类：
B类：
热风炉,煤气消耗量,副产煤气,大户,无规律,直接预测,单座,预测出,数据重构,现场采集,数据分解重构,平均绝对误差,MAE,平均绝对百分比误差,SMAPE
AB值：
0.126134
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
