内容提供者
基于时序模型的高炉煤气发生量多步预测对比.pptx
2024-10-05
20金币
4.7MB
24页
快乐****蜜蜂
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共24页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于时序模型的高炉煤气发生量多步预测对比.pptx
基于时序模型的高炉煤气发生量多步预测对比目录添加目录项标题时序模型介绍时序模型的定义和原理时序模型的分类和应用场景时序模型在预测高炉煤气发生量中的重要性高炉煤气发生量多步预测方法多步预测方法的原理和流程基于时序模型的多步预测方法其他多步预测方法介绍和比较实验设计和数据准备数据来源和预处理实验环境和参数设置实验数据集的划分和评估指标实验结果对比和分析基于不同时序模型的预测结果对比不同多步预测方法的预测结果对比预测结果的准确性和稳定性分析预测结果的可解释性和应用价值分析结论和建议基于时序模型的高炉煤气发生量多
2024-10-05
20
4.7MB
基于煤气成份变化的高炉煤气发生量及其热值预测方法.pdf
本发明提供一种基于煤气成份变化的高炉煤气发生量及其热值预测方法，在高炉煤气重力除尘器或布袋除尘装置后设置煤气成分分析仪，通过对高炉生产过程中的高炉炉顶煤气成份进行在线分析，同时以高炉煤气成份和高炉鼓风量、富氧量为主要变量，以高炉鼓风与煤气中N2平衡计算值为基准，提前预测炼铁生产过程中产生的高炉煤气发生量及其煤气热值，通过该方法可高精度(≥95％)预测高炉煤气发生量及其煤气热值，为实现企业煤气动态优化调度及下游高炉煤气用户对煤气热值的检测与应用奠定了技术基础；对实现企业煤气零放散，下游煤气用户在线调控空燃比
2023-06-17
10
349KB
基于LSTM与ARIMA组合模型的高炉煤气产生量预测.docx
基于LSTM与ARIMA组合模型的高炉煤气产生量预测1.引言高炉是钢铁工业的主要设备之一，其中煤气是高炉生产过程中不可或缺的产物。煤气在高炉内的产生量对生产工艺参数、设备设计以及环境控制等方面都有直接影响，因此煤气产生量预测对高炉生产管理和优化具有重要意义。本文基于LSTM和ARIMA组合模型，对高炉煤气产生量进行预测分析。2.数据来源与处理本文使用公开数据集中的高炉煤气产生量数据，数据共包括180个月的时间序列数据。在数据预处理中，需要对数据进行平稳性检验和ACF/PACF分析。平稳性检验可以通过ADF
2024-10-27
5
11KB
一种基于回声状态网络的高炉煤气发生量预测方法.pdf
本发明公开了一种基于回声状态网络的高炉煤气发生量预测方法，涉及钢铁生产技术领域，首先，本发明以互信息熵相关系数作为高炉煤气发生量影响因素的评价指标，影响因素与高炉煤气发生量设定一小时延迟时间，根据相关性程度选取强相关性的参数作为高炉煤气发生量的主要影响因子。然后，选取前三个小时的历史生产数据作为训练数据，训练并保存回声状态网络模型。最后选取最近一小时的数据，作为回声状态网络的模型输入预测未来一小时高炉煤气发生量的情况。本发明能实现高炉煤气消耗量的预测，为操作人员判断未来煤气发生量的变化情况提供了有力指导。
2023-06-15
10
496KB
一种高炉煤气发生量的预测方法及装置.pdf
本发明公开了一种高炉煤气发生量的预测方法及装置，方法包括：获取高炉炉况信息、强化冶炼信息、高炉煤气发生量数据；构建BP神经网络；根据高炉炉况信息、强化冶炼信息选取神经网络的输入变量；将输入变量划分为第一训练集和第一测试集；将高炉煤气发生量数据作为神经网络的输出，划分为第二训练集和第二测试集；将第一训练集中的输入变量和第二训练集中的高炉煤气发生量作为神经网络的输入输出数据进行模型训练，直至神经网络收敛；将第一测试集中的输入变量输入收敛后的神经网络，输出预测的高炉煤气发生量；将预测的高炉煤气发生量与第二测试集
2023-06-19
10
1.7MB