高炉煤气流分布过程的多算法融合预测模型

• 作者: 吴晓阳 尹怡欣 张森 陈先中
• 来源期刊: 控制理论与应用
• 关键词: 高炉 煤气流分布 自回归移动平均模型 限定记忆 极限学习机 预测
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 1241-1252
• 页数: 12页
• 语种: 中文
• DOI: 10.7641/CTA.2019.90146

摘要

在高炉生产中,准确的预测高炉煤气流分布状况将有助于保证高炉的稳定顺行.针对传统高炉煤气流预测模型的缺陷,本文提出了一种将带遗传因子的自回归移动平均模型(FF-ARMAX)和基于限定记忆的正则化极限学习机(RFMLS-RELM)相结合的高炉煤气流多步预测模型.在数据预处理方面,建立FF-ARMAX模型消除原始数据中的测量误差,同时采用傅里叶变换法消除数据中叠加的环境噪声.最后采用RFMLS-RELM算法进行多步预测,对比试验表明,该算法在应用于煤气流预测时,预测精度更高,适用于对煤气流分布状况的多步预测.多步预测实验结果表明,该模型虽然仍旧无法完全解决预测误差随预测步数的增加而不断叠加的问题,但相较于其他传统预测模型能够实现更好的预测效果和更高的预测精度,为高炉操作人员分析炉况提供了有效的帮助和支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈先中	北京科技大学自动化学院	39	287	11.0	15.0
2	尹怡欣	北京科技大学工业过程知识自动化教育部重点实验室	125	1650	21.0	36.0
3	张森	北京科技大学工业过程知识自动化教育部重点实验室	10	20	4.0	4.0
4	吴晓阳	北京科技大学自动化学院	1	0	0.0	0.0