| 基于能量诱导型PSO算法与LSSVM模型的钢铁企业高炉煤气消耗量预测 |
| |
| 引用本文： | 王红君,白鹏,赵辉,岳有军.基于能量诱导型PSO算法与LSSVM模型的钢铁企业高炉煤气消耗量预测[J].制造业自动化,2015(14). |
| |
| 作者姓名： | 王红君 白鹏 赵辉 岳有军 |
| |
| 作者单位： | 1. 天津理工大学天津市复杂系统控制理论与应用重点实验室,天津,300384
2. 天津理工大学天津市复杂系统控制理论与应用重点实验室，天津 300384; 天津农学院，天津 300384 |
| |
| 基金项目： | 天津市科技支撑计划项目 |
| |
| 摘 要： | 针对钢铁企业高炉煤气消耗量存在的波动大、随机性强、难以预测等特点,引入能量剩余函数,提出了一种与粒子自身能量相关的能量诱导型粒子群(Energy Guided Particle Swarm Optimization,EGPSO)算法。利用其对最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)的参数进行优化,最后采用优化后的最小二乘支持向量机模型(EGPSO-LSSVM)进行高炉煤气消耗量预测。仿真实验表明:改进后的预测模型在平均绝对百分比误差、均方误差、均方百分比误差三项指标上均优于普通BP神经网络模型和普通最小二乘支持向量机模型,可以为高炉煤气资源的合理使用提供依据。
|
| 关 键 词： | 高炉煤气预测 粒子群算法 最小二乘支持向量机 参数优化 惯性权重 |
Consumption forecasting of blast furnace gas in Iron and steel industry based on energy guided particle swarm optimization and least square support vector machine model |
| |
| WANG Hong-jun,BAI Peng,ZHAO Hui,YUE You-jun.Consumption forecasting of blast furnace gas in Iron and steel industry based on energy guided particle swarm optimization and least square support vector machine model[J].Manufacturing Automation,2015(14). |
| |
| Authors: | WANG Hong-jun BAI Peng ZHAO Hui YUE You-jun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
