高炉煤气流分布过程的多算法融合预测模型

在高炉生产中,准确的预测高炉煤气流分布状况将有助于保证高炉的稳定顺行.针对传统高炉煤气流预测模型的缺陷,本文提出了一种将带遗传因子的自回归移动平均模型(FF-ARMAX)和基于限定记忆的正则化极限学习机(RFMLS-RELM)相结合的高炉煤气流多步预测模型.在数据预处理方面,建立FF-ARMAX模型消除原始数据中的测量误差,同时采用傅里叶变换法消除数据中叠加的环境噪声.最后采用RFMLS-RELM算法进行多步预测,对比试验表明,该算法在应用于煤气流预测时,预测精度更高,适用于对煤气流分布状况的多步预测.多步预测实验结果表明,该模型虽然仍旧无法完全解决预测误差随预测步数的增加而不断叠加的问题,但...

Full description

Saved in:
Bibliographic Details
Published in控制理论与应用 Vol. 37; no. 6; pp. 1241 - 1252
Main Authors 吴晓阳, 张森, 陈先中, 尹怡欣
Format Journal Article
LanguageChinese
Published 北京科技大学自动化学院,北京,100083%北京科技大学工业过程知识自动化教育部重点实验室,北京,100083 01.06.2020
Subjects
煤气流分布
高炉
极限学习机
预测
限定记忆
自回归移动平均模型
Online AccessGet full text
ISSN1000-8152
DOI10.7641/CTA.2019.90146

Cover

Abstract 在高炉生产中,准确的预测高炉煤气流分布状况将有助于保证高炉的稳定顺行.针对传统高炉煤气流预测模型的缺陷,本文提出了一种将带遗传因子的自回归移动平均模型(FF-ARMAX)和基于限定记忆的正则化极限学习机(RFMLS-RELM)相结合的高炉煤气流多步预测模型.在数据预处理方面,建立FF-ARMAX模型消除原始数据中的测量误差,同时采用傅里叶变换法消除数据中叠加的环境噪声.最后采用RFMLS-RELM算法进行多步预测,对比试验表明,该算法在应用于煤气流预测时,预测精度更高,适用于对煤气流分布状况的多步预测.多步预测实验结果表明,该模型虽然仍旧无法完全解决预测误差随预测步数的增加而不断叠加的问题,但相较于其他传统预测模型能够实现更好的预测效果和更高的预测精度,为高炉操作人员分析炉况提供了有效的帮助和支持.
AbstractList 在高炉生产中,准确的预测高炉煤气流分布状况将有助于保证高炉的稳定顺行.针对传统高炉煤气流预测模型的缺陷,本文提出了一种将带遗传因子的自回归移动平均模型(FF-ARMAX)和基于限定记忆的正则化极限学习机(RFMLS-RELM)相结合的高炉煤气流多步预测模型.在数据预处理方面,建立FF-ARMAX模型消除原始数据中的测量误差,同时采用傅里叶变换法消除数据中叠加的环境噪声.最后采用RFMLS-RELM算法进行多步预测,对比试验表明,该算法在应用于煤气流预测时,预测精度更高,适用于对煤气流分布状况的多步预测.多步预测实验结果表明,该模型虽然仍旧无法完全解决预测误差随预测步数的增加而不断叠加的问题,但相较于其他传统预测模型能够实现更好的预测效果和更高的预测精度,为高炉操作人员分析炉况提供了有效的帮助和支持.
Author 陈先中
张森
吴晓阳
尹怡欣
AuthorAffiliation 北京科技大学自动化学院,北京,100083%北京科技大学工业过程知识自动化教育部重点实验室,北京,100083
AuthorAffiliation_xml – name: 北京科技大学自动化学院,北京,100083%北京科技大学工业过程知识自动化教育部重点实验室,北京,100083
Author_FL WU Xiao-yang
CHEN Xian-zhong
ZHANG Sen
YIN Yi-xin
Author_FL_xml – sequence: 1
  fullname: WU Xiao-yang
– sequence: 2
  fullname: ZHANG Sen
– sequence: 3
  fullname: CHEN Xian-zhong
– sequence: 4
  fullname: YIN Yi-xin
Author_xml – sequence: 1
  fullname: 吴晓阳
– sequence: 2
  fullname: 张森
– sequence: 3
  fullname: 陈先中
– sequence: 4
  fullname: 尹怡欣
BookMark eNotjj9Lw0AcQG-oYK1d_Qwuib_fXe6SjCX4DwoudS7J3UXUkIJBJG5q1UoQHFqUDgWlQ0EQQQpufpok7bcwoNPb3ntrpBb3Yk3IBoJpCwu3vE7LpICu6QJaokbqCACGg5yukmaSHAcAiEBtjnXiLt9fyuuH8nZafA6L-VU-uMu_bxY_9-UsK8f9fDouP56Lr9Fi8pg_DZZv_WKeFbPXfJKtk5XQjxLd_GeDHO5sd7w9o32wu--12kaCwGyDUo4-rw5sDRAyHdhSc-Uo7lAluMRAcKpAUik5ukxpGViu4gEqJkE6lmANsvnnvfDj0I-Puie987O4KnZPL6MoTVMKFEBUAfYLxEJdUw
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.7641/CTA.2019.90146
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitle_FL Multi-algorithm fusion prediction model for the blast furnace gas flow distribution process
EndPage 1252
ExternalDocumentID kzllyyy202006007
GrantInformation_xml – fundername: 国家自然科学基金项目; 北京市自然科学基金项目
  funderid: (61673056, 61673055, 61671054); (4182039)
GroupedDBID -01
-0Y
2B.
4A8
5XA
5XJ
92H
92I
93N
ABJNI
ACGFS
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CCVFK
CUBFJ
CW9
PSX
TCJ
TGT
U1G
U5S
UY8
ID FETCH-LOGICAL-s1037-2251a51007e00f3eb7ce5d8d582d65c1b652d0c2cc5193decb49d5b1d3c0c8463
ISSN 1000-8152
IngestDate Thu May 29 04:08:30 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 6
Keywords 煤气流分布
高炉
极限学习机
预测
限定记忆
自回归移动平均模型
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1037-2251a51007e00f3eb7ce5d8d582d65c1b652d0c2cc5193decb49d5b1d3c0c8463
PageCount 12
ParticipantIDs wanfang_journals_kzllyyy202006007
PublicationCentury 2000
PublicationDate 2020-06-01
PublicationDateYYYYMMDD 2020-06-01
PublicationDate_xml – month: 06
  year: 2020
  text: 2020-06-01
  day: 01
PublicationDecade 2020
PublicationTitle 控制理论与应用
PublicationTitle_FL Control Theory & Applications
PublicationYear 2020
Publisher 北京科技大学自动化学院,北京,100083%北京科技大学工业过程知识自动化教育部重点实验室,北京,100083
Publisher_xml – name: 北京科技大学自动化学院,北京,100083%北京科技大学工业过程知识自动化教育部重点实验室,北京,100083
SSID ssib001102751
ssib002258297
ssib023646306
ssib057620041
ssib051372463
ssj0042201
ssib023167526
Score 2.30328
Snippet ...
SourceID wanfang
SourceType Aggregation Database
StartPage 1241
Title 高炉煤气流分布过程的多算法融合预测模型
URI https://d.wanfangdata.com.cn/periodical/kzllyyy202006007
Volume 37
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR1NaxQxdCjtRQ_iJ35TwRy3ZjJJJjlmtrMUsV5sobey87EKtivY9tDe1KqVInhQlB4KSg8FQQQpePPX7G77L3zvzbg7LavUXsJr5uV9k7xsXxLPuw0h4SdKt2rNLJE1mSu_Zqy0tRakrrmWiRIczw5P39dTs_LunJobGV2sVC2tLCcT6drQcyUn8Sr0gV_xlOx_eLZPFDoABv9CCx6G9lg-ZrFlLmLWsDhkRjBjCVDMSRZrFnFmC0BBwshiaA0zGoEIgIDFhkUNZkIc5aAnQsA6ZiTiABGA8VPMbEh0AmYVjrIxM5OIYznSRDEEjSp4RQgAQUdMETmqJsH41cTMhaVIkSa-nGQzyC4CvpKEjElaR4qE2Lp-7W3JPyK21jIboCBgjCiookR15jgJFADpwReLY1B4hRZDgDgO7qekwUDfkryctAEqQC6o_lYi-KCmi6KbKNbJZBJFhxFoRJCeCBiHxAr7FiZwk8yR5uAJ52i4Q_OVdHQFh4QGW4v6EC6i7lOyy4Q6qQygMaCp0hbo_qEh0iAcMFaj9NlfJdcYMSAz4ggWCVQBJHQUNDAKw4hiF82sKNRiiieHFIoeEPKf-lYWVrzBwPjq0MpbXPdTzjDVZRSSTr-SkkESLoYt96GWuNzXZxzWaNoJLAk4cq86ZWqP1xYWVldXMSK4prsnxkQYYlXHmJucvvdgsH_w8b_4lXxWKDx6_udvgddGqMF-BR9f0MGgTEH5QSgqz0vAXh6nq37NmRSC3mPvG6O4RRbVuHNYCTpC2G412w8r2e7MWe9MuU0dd8Wcc84bWXt03jtdubz0gmcPvn7qPX_Te7nT_f6-u_ess_Gq8_PF_q_Xvd3N3tZ6Z2er9-1j98eH_e23nXcbB1_Wu3ub3d3Pne3Ni95sI56pT9XKh1hqS3SMGMzgNxXWU-Wct4I8CdNcZSYD42RapX6ilch4KtIU94NZnibSZirxsyDlKWxwgkveaPtJO7_sjfuZaCYaH31ItcyS3CSBTHVom7aV8oyLK96tUvH5cqJdmj_qvqvHwLnmnRpMANe90eWnK_kN2D4sJzdLp_8GmYnFSA
linkProvider EBSCOhost
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E9%AB%98%E7%82%89%E7%85%A4%E6%B0%94%E6%B5%81%E5%88%86%E5%B8%83%E8%BF%87%E7%A8%8B%E7%9A%84%E5%A4%9A%E7%AE%97%E6%B3%95%E8%9E%8D%E5%90%88%E9%A2%84%E6%B5%8B%E6%A8%A1%E5%9E%8B&rft.jtitle=%E6%8E%A7%E5%88%B6%E7%90%86%E8%AE%BA%E4%B8%8E%E5%BA%94%E7%94%A8&rft.au=%E5%90%B4%E6%99%93%E9%98%B3&rft.au=%E5%BC%A0%E6%A3%AE&rft.au=%E9%99%88%E5%85%88%E4%B8%AD&rft.au=%E5%B0%B9%E6%80%A1%E6%AC%A3&rft.date=2020-06-01&rft.pub=%E5%8C%97%E4%BA%AC%E7%A7%91%E6%8A%80%E5%A4%A7%E5%AD%A6%E8%87%AA%E5%8A%A8%E5%8C%96%E5%AD%A6%E9%99%A2%2C%E5%8C%97%E4%BA%AC%2C100083%25%E5%8C%97%E4%BA%AC%E7%A7%91%E6%8A%80%E5%A4%A7%E5%AD%A6%E5%B7%A5%E4%B8%9A%E8%BF%87%E7%A8%8B%E7%9F%A5%E8%AF%86%E8%87%AA%E5%8A%A8%E5%8C%96%E6%95%99%E8%82%B2%E9%83%A8%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4%2C%E5%8C%97%E4%BA%AC%2C100083&rft.issn=1000-8152&rft.volume=37&rft.issue=6&rft.spage=1241&rft.epage=1252&rft_id=info:doi/10.7641%2FCTA.2019.90146&rft.externalDocID=kzllyyy202006007
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fkzllyyy%2Fkzllyyy.jpg