基于LSTM与ARIMA组合模型的高炉煤气产生量预测

• 作者: 任雄朝 李志刚 纪月
• 来源期刊: 铸造技术
• 学科: 工学
• 关键词: 高炉煤气 LSTM模型 ARIMA模型 CRITIC方法 组合预测模型
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 试验研究
• 页码范围: 2456-2460
• 页数: 5页
• 分类号: TP391|TF547
• 语种: 中文
• DOI: 10.16410/j.issn1000-8365.2018.11.005

摘要

通过分析煤气产生量的数据特点,采用LSTM循环神经网络和ARIMA两种预测模型建立钢铁企业高炉煤气产生量预测模型,经验证LSTM模型性能明显优于BP神经网络,但是其预测结果值比真实值普遍偏低,而ARIMA模型的预测结果值比真实值普遍偏高.基于上述现象,提出了一种基于LSTM与ARIMA组合预测模型,将两种模型的预测结果采用CRITIC方法进行融合处理.结果表明,组合模型明显改善了两种模型在预测特性上的弊端,将预测结果的均方根误差减小为2.325,更贴近真实值,提高了预测精度.