基于EEMD分解的ARMA-SVR钢铁企业焦炉煤气受入量的预测模型

• 作者: 岳有军 王红君 赵辉 高琨
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 焦炉煤气 集合经验模态分解 支持向量回归机 自回归滑动平均模型 组合模型
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 90-92
• 页数: 3页
• 分类号: TP391.9
• 字数: 2208字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2015.05(下).26

摘要

针对钢铁企业生产过程中产出的焦炉煤气基于受入量机理模型难以对受入量进行预测的问题，建立一种基于集合经验模态分解(EEMD)的支持向量回归机(SVR)和自回归滑动平均模型(ARMA)组合的焦炉煤气受入量的预测模型。首先，采用EEMD分解法将焦炉煤气受入量的原始数据分解成一系列相对平稳的固有模态分量，然后按照各模态自相关函数的特点采用SVR和ARMA分别建立预测模型，最后将各个预测结果求和。仿真结果表明，组合预测模型对焦炉煤气受入量的预测精度较高，也为钢铁企业能源优化调度提供数据支持。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵辉		69	199	7.0	10.0
5	王红君		6	13	3.0	3.0
6	岳有军		6	13	3.0	3.0
7	高琨		1	3	1.0	1.0