基于数据的改进回声状态网络在高炉煤气发生量预测中的应用

《基于数据的改进回声状态网络在高炉煤气发生量预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第35卷第6期自动化学报Vl01．35．No．62009年6月ACTAAUTOMATICASINICAJune，2009基于数据的改进回声状态网络在高炉煤气发生量预测中的应用刘颖赵王君王伟吴毅平。陈伟昌。摘要以钢铁企业高炉煤气系统这一复杂生产过程为背景，针对高炉煤气发生量的预测问题，提出一种基于数据的网络模型预测方法．鉴于生产数据含噪高的特点，采用经验模态分解将历史数据分解为若干独立的崮有模态函数，将小尺度函数经低通滤波器自适应去噪后，再对数据重构以建立预测模型．存建模过程中提出一种改进的【旦I声状态网络，通过

2、奇异值分解求取网络输出权值，克服J，线性【旦I归算法出现的病态问题，提高J，模型的预测精度．现场实际数据预测结果表明所提出方法的有效性，为制定煤气管网平衡调度方案提供科学的决策支持．关键词预测模型，【旦『声状态网络，奇异值分解，经验模态分解中图分类号TP18ImprovedEchoStateNetworkBasedonData-drivenandItsApplicationtoPredictionofBlastFurnaceGasOutputLIUYingZHAOJunWANGWeiWUYi—Ping。CHEN

3、Wei—Chang。AbstractBasedonthecomplexprocessofblastfurnacegas(BFG)systeminsteelindustry，anetworkforecastingmethodbasedondata-drivenisestablishedinthispaperforthepredictionproblemonBFGoutput．Sincethepracticaldataincludeadiversityofnoises，anempiricalmodedecompos

4、itionapproachisemployedtodecomposethetimeseriessignalintoagroupofindependentintrinsicmodefunctions，andtheformedsmall·scaleintrinsicmodefunctionsarede—noisedbylow—passfilterwithanadaptivethreshold．Then，there—constructedsignalsareusedtobuildtheforecastingmodel

5、，inwhichanimprovedechostatenetworkisproposedandthenetworkoutputweightsareobtainedbysingularvaluedecomposition．Therefore，theill—conditionedproblemofpreviouslinearregressionisovercomeandtheforecastingprecisionisincreased．Thepredictionresultsusingpracticalprodu

6、ctiondatashowthevalidityoftheproposedmethodandalsoprovidethescientificdecisionsupportforthegasresourcesscheduling．KeywordsPredictionmodel，echostatenetwork(ESN)，singularvaluedecomposition(SVD)，empiricalmodedecom—position(EMD)钢铁企业生产工艺过程复杂，所涉及的能源介这样的经验估计也冈其存在的主

7、观性而常常无法实质种类繁多，且能源介质的传输与转换过稗普遍存现对BFG的合理调度和有效利用，从而导致能源在着多品种、多用途、高耦合等特点．其中高炉煤浪费．对BFG发生量进行科学预测，可为煤气管气(Blastfurnacegas，BFG)是钢铁冶炼过程中产网平衡调整提供决策支持，从而制定合理的煤气使生的副产品，也是钢铁生产中如炼焦、加热炉、电用计划，减少煤气放散损失，提高钢铁企业节能降耗厂等环节所需的重要二次能源，其有效合理的利用水平．直接影响到钢铁企业的能耗标准和产出成本．由于借助实际生产过程的大量历史数据，针

8、对BFGBFG生产过程复杂同时伴有大幅波动，其发生量很的发生量采用基于数据的时间序列预测方法为此难通过机理模型来获得，目前实际生产中对其定量类难于建立机理模型的问题求解提供了新的途径．的估计往往是依靠现场人员的生产经验来完成，而同声状态网络(Echostatenetwork，ESN)是一种新型递归神经网络[卜，其独特的动态储备池结构收稿日期200812—15收修改稿同期2009—02—