基于小波去噪和循环神经网络-k重-整合移动平均自回归模型的转炉煤气柜位预测 |
| |
引用本文: | 钱金花,郑文娟,吴文彬,徐晨.基于小波去噪和循环神经网络-k重-整合移动平均自回归模型的转炉煤气柜位预测[J].冶金自动化,2023(3):24-34. |
| |
作者姓名: | 钱金花 郑文娟 吴文彬 徐晨 |
| |
作者单位: | 1. 东北大学理学院;2. 抚顺新钢铁有限责任公司智造中心 |
| |
基金项目: | 国家自然科学基金青年科学基金项目(11801065); |
| |
摘 要: | 在钢铁企业的生产过程中,实时预测钢铁企业的转炉煤气柜位对转炉煤气系统的优化调度至关重要。本文提出基于小波去噪和循环神经网络-k重-整合移动平均自回归模型(recurrent neural network-k-autoregressive integrated moving average model, RNN-k-ARIMA)混合预测模型,并用该模型预测转炉煤气柜位。其主要研究思路为:首先,利用小波阈值去噪方法去除柜位数据中的干扰噪声;其次,运用RNN模型训练去噪后的柜位数据,计算RNN模型预测结果与实际值的残差;再次,使用k-ARIMA模型对残差进行修正;最后,将修正后的残差与RNN模型预测的初值求和得到最终的预测结果。通过测试两个数据集,得到均方根误差ERMS(root mean square error, RMSE)分别为0.206 142和0.146 249,平均绝对百分比误差EMAP(mean absolute percentage error, MAPE)分别为0.941 101和0.720 312,方向精度AD
|
关 键 词: | 小波去噪 RNN模型 k-ARIMA模型 混合预测模型 转炉煤气 |
|
|