專利名稱：基于主成分分析的灰色多因素MGM(1,n)模型的副產煤氣發(fā)生量預測方法
技術領域：
本發(fā)明涉及一種基于主成分分析的灰色多因素MGM(1，η)模型的副產煤氣發(fā)生量預 測方法，主要是對鋼鐵企業(yè)副產煤氣發(fā)生量的預測方法，屬于工業(yè)氣體監(jiān)測控制技術領域。
背景技術：
鋼鐵生產消耗的一次能源有40%左右轉變成為副產煤氣。其中，焦爐煤氣、高爐 煤氣、轉爐煤氣分別為46<%、45%、9%。為了能節(jié)約能源，降低消費成本，減少對環(huán)境的污 染，合理的利用副產煤氣就變得尤為重要。所以國內各鋼鐵企業(yè)都十分重視副產煤氣的回 收利用，針對這種情況各大鋼鐵企業(yè)為了減少能源消耗與環(huán)境污染都在力求合理有效的利 用鋼鐵生產中的副產煤氣。我國鋼鐵企業(yè)能源利用率低、能源散失問題比較嚴重，既造成了 極大的能源浪費和環(huán)境污染，又增加了生產成本。在一些鋼鐵企業(yè)副產煤氣的供需是嚴重 不平衡的，這個不平衡會導致鋼鐵生產消耗量增大，污染環(huán)境，甚至對生產造成威脅，所以 如何高效利用有限能源變得很重要。在確保穩(wěn)定供給和安全生產的前提下，如何優(yōu)化供需 結構、充分利用二次能源、減少能源供需不平衡造成的浪費至關重要，而只有以預測其變化 趨勢為基礎，才能有效的調度能源的供需，實現(xiàn)能源的高效供給和利用。目前有關副產煤氣發(fā)生量的預測方法，如神經網絡模型、回歸方程法等，普遍都存 在明顯的缺陷。神經網絡模型雖理論上具有較高的非線性映射能力，能以任意精度逼近非 線性函數(shù)，但卻存在反向傳播的計算過程收斂速度慢(一般需要成百上千次的迭代計算)、 能量函數(shù)的極小值、隱含神經元個數(shù)和連接權的選取往往靠經驗、網絡的收斂性與網絡的 結構有關等缺點。回歸方程法則由于發(fā)生量的影響因素眾多，影響因素之間相互關聯(lián)，而且 應用回歸方程進行估算預測時，只能由自變量來估計因變量，不允許因變量來推測自變量， 因而很難進行回歸預測。盡管有很多將灰色GM(l，n)模型應用到實際的系統(tǒng)擬合和預報中，但是效果都不 是很理想，因為盡管表述灰色GM(1，η)模型機理的微分方程很簡單，但是模型的實際解很 難得到，而方程的求解方法直接決定了模型擬合、預測效果。雖然灰色GM(l，n)模型能反應 系統(tǒng)中各個因素之間的相互關系，但它只適合建立系統(tǒng)的狀態(tài)模型，適合于各變量的動態(tài) 分析，適合于為高階系統(tǒng)建模提供基礎，不適合預測。系統(tǒng)分析法通常需要考慮多因素相互制約、相互聯(lián)系的系統(tǒng)的建模，灰色系統(tǒng)理 論的多因素預測MGM (1，η)模型，通過建立一階微分方程來反映系統(tǒng)中η個關聯(lián)因素對其 中某個因素變化的影響，適合用于對鋼鐵企業(yè)轉爐煤氣發(fā)生量的預測。然而，由于多變量輸 入輸出問題變量個數(shù)較多，且變量與變量之間存在相互關系，使得其預測精度不是很高，因 此，需要將多因素預測MGM (1，η)模型與其方法相結合，來解決其預測精度不理想的問題。

發(fā)明內容
本發(fā)明的目的是克服現(xiàn)有技術的不足，提供一種基于主成分分析的灰色多因素MGM(1, η)模型的副產煤氣發(fā)生量預測方法，先利用主成分分析的方法，降低原始數(shù)列的維 數(shù)，將具有錯綜復雜關系的變量綜合為數(shù)量較少的幾個成分，然后再利用MGM(l，n)模型進 行預測，有效提高其預測精度。本發(fā)明的技術方案是先對轉爐、或焦爐、高爐的副產煤氣發(fā)生量及其影響因素進 行實測和主成分分析，將原始數(shù)據(jù)標準化并建立變量相關系數(shù)陣，計算特征向量和各變量 累積貢獻率，結合各變量累積貢獻率確定提取副產煤氣系統(tǒng)主成分變量數(shù)量n，再根據(jù)特征 向量寫出成分矩陣和η個主成分變量；然后根據(jù)主成分變量建立MGM (1，η)預測模型，用 MATLAB法反復求解矩陣方程，進行逐組預測，對所求得的各方程的解作累減還原，得到系統(tǒng) 中各因素的擬合值和預測值。具體步驟如下三個階段
第一階段、對副產煤氣發(fā)生量及其影響因素進行主成分分析 首先，實測一個月內各時間段的副產煤氣數(shù)據(jù)，即轉爐、或焦爐、高爐煤氣一月內各時 間段(前期、中期和后期，或每日)的發(fā)生量及其影響因素，然后選擇煤氣發(fā)生量的影響因素 (如，轉爐煤氣發(fā)生量及煙氣成分的CO流量、CO2流量、N2流量和氧氣消耗量，高爐煤氣的能 源平衡表中的煉鐵廠產量、熟料消耗量、鐵礦石消耗量、冶金焦消耗量和鼓風量，焦爐煤氣 的能源平衡表中的影響因素焦化產量和洗精煤消耗量等)，再將每一時刻t的ρ個指標數(shù) 寫成原始數(shù)據(jù)矩陣(t為某一時刻，每一時刻有ρ個指標)
權利要求
1. 一種基于主成分分析的灰色多因素MGM (1，η)模型的副產煤氣發(fā)生量預測方法，其 特征在于具體步驟如下第一階段，進行主成分分析1. 1實測一個月副產煤氣發(fā)生量及其影響因素，將各時間段任一時刻t的ρ個指標數(shù)寫 成原始數(shù)據(jù)矩陣
2.根據(jù)權利要求1所述的基于主成分分析的灰色多因素MGM(l，n)模型的副產 煤氣發(fā)生量的預測方法，其特征在于MGM(l，n)模型寫成的η元一階常微分方程組
3.根據(jù)權利要求1或2所述的基于主成分分析的灰色多因素MGM (1，η)模型的副產煤 氣發(fā)生量預測方法，其特征在于所提取的主成分的數(shù)量η需滿足其對原始影響因素的累 積解釋率大于85%的條件。
全文摘要
本發(fā)明公開了一種基于主成分分析的灰色多因素MGM(1,n)模型的副產煤氣發(fā)生量預測方法，屬于工業(yè)氣體監(jiān)測控制技術領域，主要應用于副產煤氣發(fā)生量的預測。利用相關矩陣判斷是否有進行主成分分析的必要，對轉爐煤氣前期、中期、后期發(fā)生量及其影響因素利用主成分分析的方法提取主成分，然后根據(jù)提取的主成分和煤氣發(fā)生量建立MGM(1,3)模型，進行分析預測。由于在主成分分析降低影響因素維數(shù)的基礎上，再利用灰色多因素MGM(1,n)模型進行預測，因而具有預測精度高，預測效果好等優(yōu)點。可在轉爐煤氣、高爐煤氣、焦爐煤氣發(fā)生量的預測中廣泛應用，為實現(xiàn)煤氣平衡調度提供科學依據(jù)。
文檔編號G06F19/00GK102136037SQ20111007089
公開日2011年7月27日 申請日期2011年3月24日 優(yōu)先權日2011年3月24日
發(fā)明者孟華, 李紅娟, 王 華, 王建軍 申請人:昆明理工大學