[发明专利]基于主成分分析的灰色多因素MGM(1,n)模型的副产煤气发生量预测方法无效

专利信息
申请号: 201110070892.9 申请日: 2011-03-24
公开(公告)号: CN102136037A 公开(公告)日: 2011-07-27
发明(设计)人: 王华;李红娟;王建军;孟华 申请(专利权)人: 昆明理工大学
主分类号: G06F19/00 分类号: G06F19/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 650093 云*** 国省代码: 云南;53
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 成分 分析 灰色 因素 mgm 模型 煤气 发生 预测 方法
【说明书】:

所属技术领域

发明涉及一种基于主成分分析的灰色多因素MGM(1,n)模型的副产煤气发生量预测方法,主要是对钢铁企业副产煤气发生量的预测方法,属于工业气体监测控制技术领域。

背景技术

钢铁生产消耗的一次能源有40%左右转变成为副产煤气。其中,焦炉煤气、高炉煤气、转炉煤气分别为46%、45%、9%。为了能节约能源,降低消费成本,减少对环境的污染,合理的利用副产煤气就变得尤为重要。所以国内各钢铁企业都十分重视副产煤气的回收利用,针对这种情况各大钢铁企业为了减少能源消耗与环境污染都在力求合理有效的利用钢铁生产中的副产煤气。我国钢铁企业能源利用率低、能源散失问题比较严重,既造成了极大的能源浪费和环境污染,又增加了生产成本。在一些钢铁企业副产煤气的供需是严重不平衡的,这个不平衡会导致钢铁生产消耗量增大,污染环境,甚至对生产造成威胁,所以如何高效利用有限能源变得很重要。在确保稳定供给和安全生产的前提下,如何优化供需结构、充分利用二次能源、减少能源供需不平衡造成的浪费至关重要,而只有以预测其变化趋势为基础,才能有效的调度能源的供需,实现能源的高效供给和利用。

目前有关副产煤气发生量的预测方法,如神经网络模型、回归方程法等,普遍都存在明显的缺陷。神经网络模型虽理论上具有较高的非线性映射能力,能以任意精度逼近非线性函数,但却存在反向传播的计算过程收敛速度慢(一般需要成百上千次的迭代计算)、能量函数的极小值、隐含神经元个数和连接权的选取往往靠经验、网络的收敛性与网络的结构有关等缺点。回归方程法则由于发生量的影响因素众多,影响因素之间相互关联,而且应用回归方程进行估算预测时,只能由自变量来估计因变量,不允许因变量来推测自变量,因而很难进行回归预测。

尽管有很多将灰色GM(1,n)模型应用到实际的系统拟合和预报中,但是效果都不是很理想,因为尽管表述灰色GM(1,n)模型机理的微分方程很简单,但是模型的实际解很难得到,而方程的求解方法直接决定了模型拟合、预测效果。虽然灰色GM(1,n)模型能反应系统中各个因素之间的相互关系,但它只适合建立系统的状态模型,适合于各变量的动态分析,适合于为高阶系统建模提供基础,不适合预测。

系统分析法通常需要考虑多因素相互制约、相互联系的系统的建模,灰色系统理论的多因素预测MGM(1,n)模型,通过建立一阶微分方程来反映系统中n个关联因素对其中某个因素变化的影响,适合用于对钢铁企业转炉煤气发生量的预测。然而,由于多变量输入输出问题变量个数较多,且变量与变量之间存在相互关系,使得其预测精度不是很高,因此,需要将多因素预测MGM(1,n)模型与其方法相结合,来解决其预测精度不理想的问题。

发明内容

本发明的目的是克服现有技术的不足,提供一种基于主成分分析的灰色多因素MGM(1,n)模型的副产煤气发生量预测方法,先利用主成分分析的方法,降低原始数列的维数,将具有错综复杂关系的变量综合为数量较少的几个成分,然后再利用MGM(1,n)模型进行预测,有效提高其预测精度。

本发明的技术方案是:先对转炉、或焦炉、高炉的副产煤气发生量及其影响因素进行实测和主成分分析,将原始数据标准化并建立变量相关系数阵,计算特征向量和各变量累积贡献率,结合各变量累积贡献率确定提取副产煤气系统主成分变量数量n,再根据特征向量写出成分矩阵和n个主成分变量;然后根据主成分变量建立MGM(1,n)预测模型,用MATLAB法反复求解矩阵方程,进行逐组预测,对所求得的各方程的解作累减还原,得到系统中各因素的拟合值和预测值。具体步骤如下三个阶段:

第一阶段、对副产煤气发生量及其影响因素进行主成分分析:

首先,实测一个月内各时间段的副产煤气数据,即转炉、或焦炉、高炉煤气一月内各时间段(前期、中期和后期,或每日)的发生量及其影响因素,然后选择煤气发生量的影响因素(如,转炉煤气发生量及烟气成分的CO流量、CO2流量、N2流量和氧气消耗量,高炉煤气的能源平衡表中的炼铁厂产量、熟料消耗量、铁矿石消耗量、冶金焦消耗量和鼓风量,焦炉煤气的能源平衡表中的影响因素:焦化产量和洗精煤消耗量等),再将每一时刻t的p个指标数写成原始数据矩阵(t为某一时刻,每一时刻有p个指标):

其次,根据副产煤气发生量及其影响因素,在原始数据矩阵中,选取有代表性的初始变量进行因子分析,若多个初始变量间的相关系数较大,则将原始数据标准化,并根据其建立变量的相关系数阵,;

然后,根据建立的变量相关系数阵,求出的单位特征向量:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于昆明理工大学,未经昆明理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201110070892.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top