钢铁企业高炉煤气发生量的在线预测建模

• 作者: 丛力群 冯为民 张晓平 汤振兴 王伟 赵珺
• 来源期刊: 信息与控制
• 关键词: BFG发生量 改进经验模式分解阈值滤波 最小二乘支持向量机 贝叶斯优化
• 年，卷（期）: 2010,（6）
• 页码范围: 774-782
• 分类号: TP18
• 语种: 中文
• DOI: 10.3724/SP.J.1219.2010.00774

摘要

针对钢铁企业高炉煤气(BFG)发生量难于有效预测的问题,建立了基于数据滤波和最小二乘支持向量机的BFG发生量在线预测模型.提出改进经验模式分解阈值滤波(IEMDTF)方法对训练数据进行滤波处理;并设计了在线学习算法和贝叶斯优化法构建和优化预测模型,缩短了建模时间,同时提高了预测精度.现场实际数据预测结果表明所建模型在小样本和随机噪声数据环境下能保持很高的顶测精度,与其它预测模型相比,适合于高炉煤气发生量的实时在线预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丛力群	上海宝信软件股份有限公司自动化部	25	251	7.0	15.0
2	张晓平	大连理工大学信息与控制研究中心	6	80	4.0	6.0
3	王伟	大连理工大学信息与控制研究中心	236	3358	26.0	48.0
4	赵珺	大连理工大学信息与控制研究中心	33	226	9.0	13.0
5	冯为民	上海宝信软件股份有限公司自动化部	9	208	7.0	9.0
6	汤振兴	大连理工大学信息与控制研究中心	1	21	1.0	1.0