排序方式: 共有33条查询结果,搜索用时 15 毫秒
1.
2.
为了更好地反映高炉铁水硅质量分数序列的高波动特性,利用门限广义自回归条件异方差(TGARCH)模型对硅质量分数序列进行预测.应用Portmantea Q检验、拉格朗日乘子检验以及非对称项系数显著性检验,验证了高炉铁水硅质量分数序列存在异方差性和非对称性.在此基础上将TGARCH模型应用于高炉铁水硅质量分数预测,采用极大似然估计法确定参数,建立TGARCH(1,1,1)预测模型,并采用命中率和误差率2种评价准则对预测结果进行分析.这种方法克服了以往模型没有考虑序列非对称性影响的缺陷,更加适合于高炉铁水硅质量分数的预测.将预测模型应用于包钢6号高炉,取得了较好的预测效果. 相似文献
3.
“高炉炼铁智能控制专家系统”是浙江大学开发并推广应用成功的国产高炉专家系统,是具有自主知识产权的高炉专家系统。经过3年时间审查,最近,该专家系统获得了2项技术发明专利。这2项发明专利是: (1)智能控制高炉冶炼的系统(专利号:ZL 02 1 37569.0); (2)一种利用智能控制系统控制高炉冶炼的方法(专利号:ZL 02 1 37568.2)。同时,“高炉炼铁智能控制专家系统”被国家科技部批准为“十一五”期间的《国家科技成果重点推广计划》项目。 相似文献
4.
支持向量机在铁水硅含量预报中的应用 总被引:3,自引:1,他引:3
支持向量机是基于统计学习理论发展而来的一种机器学习算法,它能较好地解决非线性、高维数、小样本、局部极小点等实际问题。本文提出了使用最小二乘支持向量机模型预测高炉铁水硅含量的方法,以山东莱钢1号高炉在线采集数据作为应用案例。结果表明最小二乘支持向量机模型预测高炉铁水硅含量命中率可达到85%以上。 相似文献
5.
6.
高炉硅含量预测控制的时间序列混合建模 总被引:2,自引:0,他引:2
根据时间序列原理,对铁水硅质量分数w(Si)序列的动态特性进行了分析,找出了其主体成分.综合炼铁工艺理论和6号高炉炼铁现场的实际情况,对影响铁水硅质量分数w(Si)的各个因素进行了典型相关分析,确定了w(Si)的主要影响因素为:料速、风量、喷煤、透气性、富氧率、铁水物理温度和渣碱度.建立了由AR(2)、状态变量和控制变量混合构成的w(Si)预测控制的传递函数模型.使用包钢6号高炉生产数据验证表明,此模型克服了以往炉温控制模型把炼铁理论和统计知识分离的缺点,炉温预报的命中率高达84%,预测控制取得了较好的效果. 相似文献
7.
8.
模糊贝叶斯网络应用于预测高炉铁水含硅量变化趋势 总被引:2,自引:0,他引:2
贝叶斯网络在高炉铁水含硅量预测中已取得较好效果.本文的进一步改进是利用模糊逻辑方法能很好地将数据分成离散模糊集的优势,对模型参数进行有效的模糊分类,以此作为贝叶斯网络的输入,进行混合建模.对山东莱钢1号高炉智能控制专家系统在线采集数据进行计算证明,对一般高炉混合模型可提高预测命中率到90%. 相似文献
9.
为检验硅质量分数w(Si)的非线性特征,以邯郸钢铁公司7号高炉在线采集的2000炉铁水的w(Si)数据作为母体样本空间,首先运用替代数据法对w(Si)时间序列做非线性定量检验;针对替代数据法容易受系统噪声和时间序列自相关程度影响的缺点,根据信息论冗余图像法进一步对w(Si) 序列做非线性定性判别;通过与典型的线性自回归模型和混沌Lorenz模型的冗余图像的比较,指出w(Si)序列的非线性并非是噪声引起的平凡非线性,而是高炉冶炼内在机理决定的本质非线性,为应用非线性模型对炉温做预测和控制建立理论了依据 相似文献
10.