基于改进K近邻和最小二乘支持向量机的钢铁蒸汽管网压力预测

针对钢铁企业蒸汽管网压力变化波动大且存在流量数据随机缺失和异常等因素导致的难以对蒸汽系统进行实时有效调度的问题，提出了一种基于数据填补-最小二乘支持向量机(least squares support vector machine, LSSVM)的蒸汽管网压力预测方法。首先利用基于近邻噪声处理的K近邻缺失数据填补算法(eliminate neighbor noise K-nearest neighbor, ENN-KNN)对蒸汽流量原始数据进行异常点和缺失点填补，以降低数据中的异常点干扰；然后通过选取影响蒸汽管网压力的主要蒸汽发生和使用用户，包括煤精、海水淡化、烧结、干熄焦和炼钢等，利用LSSVM算法建模，对蒸汽管网压力进行预测。试验结果表明，基于本文所提方法的钢铁企业蒸汽管网压力的预测精度高、建模速度快，具有良好的抗干扰性和实用性，可以为蒸汽的合理调度提供科学的理论依据。