基于自适应遗忘因子极限学习机的高炉煤气预测

• 作者: 孙雪莹 张吉龙 王卓 胡静涛
• 来源期刊: 计算机测量与控制
• 关键词: 高炉煤气 在线预测 极限学习机 遗忘因子
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 设计与应用
• 页码范围: 235-238
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2017.07.058

摘要

高炉煤气是钢铁企业重要的二次能源,其产生量和消耗量的实时准确预测对高炉煤气系统的平衡调度具有重要作用;但由于高炉煤气系统工况多变、产消量数据波动较大,给高炉煤气产消量的准确预测带来了很大的挑战;为此,通过对煤气产消量数据特征的深入分析,提出了一种基于自适应遗忘因子极限学习机(AF-ELM)的在线预测算法;在序贯极限学习机的基础上,引入遗忘因子逐步遗忘旧样本,通过预测误差反馈机制,自适应的调节遗忘因子,从而提高预测方法对系统工况的动态变化的适应能力,提高预测精度;将该算法应用于钢铁企业的高炉煤气产消量在线预测,实验结果表明与序贯极限学习机相比,该预测方法在系统工况变化的情况下能保持较高的预测精度,更适合于高炉煤气产消量的在线预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡静涛	中科院沈阳自动化研究所	71	928	17.0	28.0
3	王卓	中科院沈阳自动化研究所	31	146	7.0	11.0
9	孙雪莹	中科院沈阳自动化研究所	2	1	1.0	1.0
13	张吉龙	中科院沈阳自动化研究所	1	1	1.0	1.0