研究了高炉铁水硅含量自组织经验进化预测模型中的模式量化问题.在模式量化方案中,采用高炉过程变量时间序列数据的均值、梯度值和波动值作为数据的特征量来进行特征提取,将可预测率、命中率、趋势命中率等判据用于评判预测效果,并用天津铁厂1号高炉的过程数据进行了离线检验.结果表明:基于过程变量的特征提取方法可用于具有均匀时间间隔的高炉过程数据的特征提取.正确运用该方法可使铁水硅含量自组织预测模型的预测命中率提高10 %左右.
参考文献
| [1] | 毕学工;曾小宁;罗廷和 .湘钢铁水含硅预报模型的开发和应用[J].武汉冶金科技大学学报(自然科学版),1996,19(04):395-400. |
| [2] | Pandit S M;Clum J A;Wu S M.Modeling,Prediction andControl of Blast Furnace Operation from Observed Data byMultivariate Time Series[A].Toronto:Metallurgical Society ofAIME,1975:403-415. |
| [3] | 韩曾晋;孙建华;陈剑 等.带知识库的高炉铁水含硅量的自适应预报系统[J].自动化学报,1989,15(02):128-135. |
| [4] | Niwa Y .Application of a Self-Learning Function to an ExpertSystem for Blast Furnace Heat Control[J].ISIJ International,1990,30(02):111-117. |
| [5] | Zuo G;Ma Ji-tang;Bjorkman B.A Neural Network Model forPredicting Silicon Content of Hot Metal at No.2 Blast Furnaceof SSAB LULEA[A].Pittsburgh,1996:211-221. |
| [6] | 杨尚宝;杨天钧;董一诚 .铁水含硅量预测神经网络模型[J].北京科技大学学报,1995,17(06):524-528. |
| [7] | 刘金琨;邓守强 .高炉铁水硅含量的神经网络时间序列预报[J].钢铁研究学报,1996,8(03):63-66. |
| [8] | 高小强,郑忠.自组织经验进化预测模型[C].1999年中国智能自动化学术会议论文集,1999:1145～1150. |
| [9] | Carpenter G A;Grossberg S .ART2:Self-organizition of stable category recognition codes for analog input patterns[J].Applied Optics,1987,26(23):4919-4390. |
| [10] | 刘金锟;邓守强 .高炉专家系统的数据采集与处理[J].东北大学学报(自然科学版),1996,17(05):485-489. |
| [11] | 董居忠 .THEIL不等系数法在水下自航器仿真模型验证中的应用[J].计算机仿真,1998,15(02):51-53. |
| [12] | 谢灵杰 .高炉铁水含硅量自组织经验进化预测中的直接经验和间接经验[D].重庆:重庆大学,2003. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%