基于SVC-ENN钢铁企业副产煤气消耗量的预测建模
来源期刊：昆明理工大学学报(自然科学版)2013年第5期
论文作者：李红娟 王建军 王华 孟华
文章页码：68 - 74
关键词：Elman神经网络;支持向量分类;最小二乘支持向量机;
摘 要：针对钢铁企业副产煤气消耗量的机理模型难以对消耗量进行精确预测的问题,通过分析副产煤气消耗量特点,建立SVC-ENN模型对副产煤气的消耗量进行预测.根据企业实际数据应用模型,结果表明,对烧结工序、炼钢工序、连铸工序30个点和60个点进行测试分类准确率分别为90%,96.67%,98.33%;96.67%,95%,100%.根据分类结果建立模型进行预测,预测平均相对误差分别为0.8%,0.5%,0.9%;2.1%,0.8%,1.3%.所建模型分类准确,预测效果良好,适合副产煤气消耗量的预测.
李红娟，王建军，王华，孟华
昆明理工大学 冶金节能减排教育部工程研究中心
摘 要：针对钢铁企业副产煤气消耗量的机理模型难以对消耗量进行精确预测的问题,通过分析副产煤气消耗量特点,建立SVC-ENN模型对副产煤气的消耗量进行预测.根据企业实际数据应用模型,结果表明,对烧结工序、炼钢工序、连铸工序30个点和60个点进行测试分类准确率分别为90%,96.67%,98.33%;96.67%,95%,100%.根据分类结果建立模型进行预测,预测平均相对误差分别为0.8%,0.5%,0.9%;2.1%,0.8%,1.3%.所建模型分类准确,预测效果良好,适合副产煤气消耗量的预测.
关键词：Elman神经网络;支持向量分类;最小二乘支持向量机;
