作者：李红娟 王建军 王华 孟华高炉煤气发生量概率神经网络hp滤波elman神经网络最小二乘支持向量机
摘要：针对钢铁企业高炉煤气发生量机理模型难以对发生量进行精确预测的问题,通过分析高炉煤气发生量特点,按不同工况利用概率神经网络（PNN）对高炉煤气发生量进行分类,依据分类结果并结合HP滤波、Elman神经网络（ENN）、最小二乘支持向量机（LSSVM）各自的性质,建立了PNN-HP-ENN-LSSVM模型,对高炉煤气的发生量进行分类预测,并用企业实际数据验证.结果表明,随机抽取多组测试结果中的2组,1#高炉80个点、2#高炉60个点的分类准确率分别为95%和93%,模型预测平均相对误差分别为1.0%和1.1%,适合高炉煤气发生量预测.Wilcoxon符号秩检验也验证了所提建模方法的有效性.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
