非平穩(wěn)時(shí)序建模技術(shù)及其在高爐狀態(tài)預(yù)測(cè)中的應(yīng)用研究.pdf

1、準(zhǔn)確預(yù)測(cè)高爐冶煉過(guò)程中的各種狀態(tài)是有效控制高爐的前提。目前許多基于神經(jīng)網(wǎng)絡(luò)的高爐狀態(tài)預(yù)測(cè)系統(tǒng)，對(duì)大部分爐況變化平穩(wěn)條件下的狀態(tài)預(yù)測(cè)已達(dá)到了很高的準(zhǔn)確率。但是對(duì)于爐況波動(dòng)劇烈的情況，基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)系統(tǒng)存在預(yù)測(cè)準(zhǔn)確率顯著下降的問(wèn)題，而爐況波動(dòng)下的準(zhǔn)確預(yù)測(cè)對(duì)于調(diào)整高爐的狀態(tài)、避免異常爐況具有重要的意義。因此，本論文針對(duì)這一在高爐生產(chǎn)中亟需解決的問(wèn)題展開研究，重點(diǎn)研究和解決高爐狀態(tài)預(yù)測(cè)中關(guān)注較多的高爐熱狀態(tài)，即鐵水含硅量的預(yù)測(cè)問(wèn)題。

2、 高爐鐵水含硅量預(yù)測(cè)可以歸結(jié)為時(shí)間序列直接多步預(yù)測(cè)問(wèn)題。由于高爐冶煉過(guò)程是不斷地在正常爐況和異常爐況之間轉(zhuǎn)換的連續(xù)非線性動(dòng)態(tài)生產(chǎn)過(guò)程，內(nèi)部的物理化學(xué)變化十分復(fù)雜，數(shù)據(jù)呈現(xiàn)非常明顯的非線性非平穩(wěn)變化特征。因此，本論文將研究重點(diǎn)放在非線性非平穩(wěn)時(shí)間序列預(yù)測(cè)中的若干關(guān)鍵問(wèn)題上，探討了基于支持向量回歸的預(yù)測(cè)方法，針對(duì)支持向量回歸建模中的一系列關(guān)鍵問(wèn)題提出了新的解決方案，并將其應(yīng)用在高爐鐵水含硅量預(yù)測(cè)上，取得了很好的效果。具體研究?jī)?nèi)容包括：非線性

3、時(shí)間序列預(yù)測(cè)建模方法選擇的研究，面向時(shí)間序列預(yù)測(cè)的支持向量回歸模型的研究，支持向量回歸建模參數(shù)選擇方法的研究，非線性時(shí)間序列相空間重構(gòu)方法的研究，基于EMD(Empirical Mode Decomposition)的非平穩(wěn)時(shí)間序列預(yù)測(cè)建模研究，基于組合SVR(Support Vector Machines forRegression)的非線性時(shí)間序列模糊建模方法研究，基于二維分解的非線性非平穩(wěn)時(shí)間序列預(yù)測(cè)建模方法研究，以及非線性非平穩(wěn)

4、時(shí)間序列預(yù)測(cè)建模方法在高爐鐵水含硅量預(yù)測(cè)中的應(yīng)用研究。 在非線性時(shí)間序列預(yù)測(cè)方法選擇的研究中，對(duì)于被普遍采用的神經(jīng)網(wǎng)絡(luò)建模方法和新近出現(xiàn)的支持向量機(jī)方法，在小樣本擬合與預(yù)測(cè)能力、泛化推廣能力、多步預(yù)測(cè)能力、全局最優(yōu)性能以及模型參數(shù)選擇等方面進(jìn)行了詳細(xì)的分析與比較，充分闡明了基于支持向量回歸方法來(lái)進(jìn)行非線性非平穩(wěn)時(shí)序預(yù)測(cè)和爐況波動(dòng)情況下的鐵水含硅量預(yù)測(cè)的理由和依據(jù)。 在面向時(shí)間序列預(yù)測(cè)的支持向量回歸模型的研究中，針對(duì)時(shí)間序

5、列數(shù)據(jù)的特點(diǎn)，對(duì)傳統(tǒng)的支持向量回歸模型進(jìn)行了改進(jìn)，給出了改進(jìn)的支持向量回歸機(jī)的目標(biāo)函數(shù)及優(yōu)化問(wèn)題描述，并提出一種按照距待測(cè)點(diǎn)距離進(jìn)行指數(shù)加權(quán)的模型參數(shù)加權(quán)方法。在支持向量回歸建模的參數(shù)選擇方法研究中，在分析了現(xiàn)有支持向量機(jī)參數(shù)選擇方法的基礎(chǔ)上，提出了一種ε-力口權(quán)支持向量回歸機(jī)與改進(jìn)的交叉驗(yàn)證方法相結(jié)合的SVR參數(shù)選擇方法。 在非線性時(shí)間序列相空間重構(gòu)方法的研究中，針對(duì)目前非線性時(shí)間序列相空間重構(gòu)中存在的問(wèn)題，提出一種基于核主成

6、分分析與相關(guān)分析相結(jié)合的相空間重構(gòu)方法，解決了非線性時(shí)間序列建模前的特征選擇與抽取問(wèn)題。 在基于EMD的非平穩(wěn)時(shí)間序列預(yù)測(cè)建模研究中，針對(duì)時(shí)間序列的非平穩(wěn)特征，提出了一種基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾慕７椒?，并進(jìn)一步提出對(duì)于分量預(yù)測(cè)結(jié)果進(jìn)行SVR組合的方法。 在基于組合SVR的非線性時(shí)間序列模糊建模方法研究中，針對(duì)時(shí)間序列數(shù)據(jù)隨時(shí)間變化不一致的特性，提出了一種基于模糊分塊的多SVR組合建模方法，并進(jìn)一步將模糊分塊的信息與ε-加權(quán)支

7、持向量回歸機(jī)有機(jī)地結(jié)合起來(lái)，提出一種ε加權(quán)方法。 在基于EMD預(yù)測(cè)建模和基于組合SVR的模糊建模的基礎(chǔ)上，進(jìn)一步提出基于二維分解的非線性非平穩(wěn)時(shí)間序列預(yù)測(cè)建模方法，并提出了一種局部時(shí)序數(shù)據(jù)相似性匹配的測(cè)度和算法，闡明了基于這種二維分解模型進(jìn)行預(yù)測(cè)的方法和步驟。 最后，在對(duì)現(xiàn)場(chǎng)采集的高爐數(shù)據(jù)進(jìn)行預(yù)處理的基礎(chǔ)上，將上面提出的非線性非平穩(wěn)時(shí)間序列預(yù)測(cè)建模中的一系列解決方案和方法應(yīng)用于高爐鐵水含硅量預(yù)測(cè)，并與其它的鐵水含硅量預(yù)測(cè)