排序方式: 共有33条查询结果,搜索用时 15 毫秒
1.
为了更好地反映高炉铁水硅质量分数序列的高波动特性,利用门限广义自回归条件异方差(TGARCH)模型对硅质量分数序列进行预测.应用Portmantea Q检验、拉格朗日乘子检验以及非对称项系数显著性检验,验证了高炉铁水硅质量分数序列存在异方差性和非对称性.在此基础上将TGARCH模型应用于高炉铁水硅质量分数预测,采用极大似然估计法确定参数,建立TGARCH(1,1,1)预测模型,并采用命中率和误差率2种评价准则对预测结果进行分析.这种方法克服了以往模型没有考虑序列非对称性影响的缺陷,更加适合于高炉铁水硅质量分数的预测.将预测模型应用于包钢6号高炉,取得了较好的预测效果. 相似文献
2.
3.
4.
“高炉炼铁智能控制专家系统”是浙江大学开发并推广应用成功的国产高炉专家系统,是具有自主知识产权的高炉专家系统。经过3年时间审查,最近,该专家系统获得了2项技术发明专利。这2项发明专利是: (1)智能控制高炉冶炼的系统(专利号:ZL 02 1 37569.0); (2)一种利用智能控制系统控制高炉冶炼的方法(专利号:ZL 02 1 37568.2)。同时,“高炉炼铁智能控制专家系统”被国家科技部批准为“十一五”期间的《国家科技成果重点推广计划》项目。 相似文献
5.
高炉硅含量预测控制的时间序列混合建模 总被引:2,自引:0,他引:2
根据时间序列原理,对铁水硅质量分数w(Si)序列的动态特性进行了分析,找出了其主体成分.综合炼铁工艺理论和6号高炉炼铁现场的实际情况,对影响铁水硅质量分数w(Si)的各个因素进行了典型相关分析,确定了w(Si)的主要影响因素为:料速、风量、喷煤、透气性、富氧率、铁水物理温度和渣碱度.建立了由AR(2)、状态变量和控制变量混合构成的w(Si)预测控制的传递函数模型.使用包钢6号高炉生产数据验证表明,此模型克服了以往炉温控制模型把炼铁理论和统计知识分离的缺点,炉温预报的命中率高达84%,预测控制取得了较好的效果. 相似文献
6.
7.
支持向量机在铁水硅含量预报中的应用 总被引:3,自引:1,他引:3
支持向量机是基于统计学习理论发展而来的一种机器学习算法,它能较好地解决非线性、高维数、小样本、局部极小点等实际问题。本文提出了使用最小二乘支持向量机模型预测高炉铁水硅含量的方法,以山东莱钢1号高炉在线采集数据作为应用案例。结果表明最小二乘支持向量机模型预测高炉铁水硅含量命中率可达到85%以上。 相似文献
8.
9.
应用小波分析方法对高炉铁水硅含量进行预测。通过小波变换将铁水硅含量的时间序列依三重尺度分解成不同的层次,并对不同层次上的序列分别运用合适的自回归模型进行预测,然后通过序列重构得到原始时间序列的预测结果。利用山东莱钢1号高炉在线采集的数据作为实际预测案例,与原始时间序列的自回归模型预测结果比较,小波预测方法显著提高了预测命中率。 相似文献
10.