基于改进BP网络的高炉煤气发生量预测模型

作者：肖冬峰; 杨春节; 宋执环

来源：浙江大学学报(工学版), 2012, (11): 2103-2108.

• 高炉煤气发生量
• BP网络
• 预测模型
• 贝叶斯正则化
• 泛化能力 output of blast furnace gas
• BP network
• forecasting model
• Bayesian regularization
• generalization ability

针对高炉煤气发生量波动对煤气调度和优化影响的问题,提出一种基于改进BP网络的高炉煤气发生量预测模型.由于影响高炉煤气发生量的因素很多,采用机理和现场实际数据相结合方法分析影响高炉煤气发生量的因素,确定模型输入,采用炼铁高炉现场数据对模型进行训练,利用贝叶斯正则化算法来提高神经网络泛化能力.仿真结果表明,该模型能够准确预测高炉煤气发生量的变化趋势,为制定煤气管网平衡调度策略提供科学的依据和决策支持,有利于减少煤气排放,提高煤气利用率和企业的信息化水平.该预测模型已经成功应用到杭州钢铁集团煤气调度系统中,运行结果验证模型的有效性.

• 单位
  浙江大学; 工业控制技术国家重点实验室