导读:本文包含了煤气预测论文开题报告文献综述及选题提纲参考文献，主要关键词:高炉煤气系统,小波分析,BP神经网络,最小二乘支持向量机
煤气预测论文文献综述
徐化岩,马家琳[1]（2019）在《基于数据驱动的高炉煤气复合预测模型》一文中研究指出对钢铁企业高炉煤气系统科学准确的预测,可以为煤气的合理调度提供依据,对企业提高能源利用效率、减少煤气放散和环境污染有着非常重要的意义。针对钢铁企业高炉煤气系统设备工况复杂、煤气量波动频繁、难以准确预测的问题,依据小波分析方法、BP神经网络、最小二乘支持向量机的性质建立了基于数据驱动的高炉煤气的复合预测模型。该模型综合考虑高炉煤气系统生产计划和检修计划,对高炉煤气系统的产耗用户在不同工况下分别建立训练数据集,利用多组模型参数预测高炉煤气产生量、消耗量和缓冲量。利用某大型钢铁企业实际数据进行测试,该模型能够结合设备的实际生产工况变化,实现煤气的准确预测。结果表明,该模型平均绝对百分比误差小于4.95%,对变工况煤气系统有较好的预测效果。(本文来源于《中国冶金》期刊2019年07期）
李志刚,任雄朝,纪月[2]（2019）在《基于PSO-BP神经网络的高炉煤气受入量的预测》一文中研究指出以高炉煤气为主要研究对象,基于BP神经网络引入粒子群算法优化BP神经网络的权值,通过调试和改进建立PSO-BP神经网络高炉煤气受入量预测模型,使企业实现对煤气的合理调度和平衡调整,研究结合唐山钢厂的历史数据对该模型进行训练和检验。研究结果表明,BP模型比未改进的BP模型更能精确地预测受入量,并解决了遗传算法(GA)优化BP神经网络容易陷入早熟收敛的问题。(本文来源于《现代电子技术》期刊2019年13期）
吴晓南,李倩,卢泓方,余思颖,李廉卿[3]（2019）在《人工煤气管道萘沉积量预测方法及影响因素研究》一文中研究指出为了研究人工煤气管道内萘沉积量的预测方法及其影响因素,以昆明人工煤气输气干管为例,结合TGNET软件模拟输气干管的运行工况(选用BWRS状态方程,Colebrook-White流动方程)计算管内萘沉积量,通过改变模型参数(地温、输气温度及输送压力)分析萘沉积量的影响因素。结果表明:1)萘沉积量预测方法的计算结果与实际情况的相对误差仅为3. 36%,方法可行; 2)饱和萘含量随地温降低而降低,随管道输送压力降低而升高,随管道输送温度降低而降低,且管内外温差越大,萘沉积量越大; 3)温度变化是造成人工煤气管道中萘沉积并堵塞管道的主要原因,建议在煤气进入城市管网前先对其作降温处理,冬季在弯管、调压器等易出现萘沉积的部位添加保温设施以维持管内温度。(本文来源于《安全与环境学报》期刊2019年03期）
谭玉倩[4]（2019）在《热风炉煤气消耗量灰色预测模型的开发》一文中研究指出针对热风炉系统非线性、大滞后、大惯性,煤气消耗量难以有效预测的问题,以某高炉热风炉为研究对象,采用灰色模型对煤气消耗量进行预测。介绍了预测模型的建模方法、系统软件结构、预测模型的建立步骤,通过粒子群算法优化了模型参数,最后使用灰色模型对该高炉热风炉煤气消耗量进行预测,结果说明该方法预测准确,具有较强的实践意义,为调度人员准确把握煤气资源的波动趋势,进行优化调配提供了可靠依据,降低了能耗。(本文来源于《冶金动力》期刊2019年06期）
牛飞龙,孙晓伟,刘斌[5]（2019）在《煤气化装置关键设备腐蚀预测与选材》一文中研究指出煤气化装置的混合气流中含有水蒸气、游离水及其混合物等多种形态的H2O以及CO2、H2S、SO2等多种酸性气体,存在多种腐蚀风险。通过分析煤气化装置关键设备大型化、结构复杂化、材质多样化、原料煤质多样化等特点,总结了炼油厂静设备腐蚀损伤机理,指出了腐蚀预测、腐蚀分析和腐蚀评定对煤气化装置安全稳定运行的重要性。介绍了双组分游离水相图分析方法,通过实例示范了该方法在某石化装置管线腐蚀预测中的应用。从熟悉煤气化装置物料的基本特点、设备选材的基本要求、几种典型煤气化腐蚀工况下选材原则及积累煤化工装置设备选材经验几个方面探讨了煤气化设备选材的考虑要素和方法。(本文来源于《石油化工设备》期刊2019年01期）
栾绍峻,吴秀婷[6]（2018）在《钢铁企业煤气预测与调度优化系统》一文中研究指出钢铁行业面临着巨大的节能减排压力,提高能源利用效率成为钢铁企业的内在需求和必然选择。煤气是钢铁企业在生产过程中产生的重要二次能源,占企业总能源消耗的30%左右。因此,减少煤气放散,提高煤气综合利用效率,降低能源成本,履行社会责任,对实现企业可持续发展尤为重要。基于该目标,首先介绍了钢铁企业煤气系统的组成,然后对煤气平衡及煤气调度问题进行了分析,最后对钢铁企业煤气预测与调度优化系统的系统目标、系统模型、系统功能及实施效果进行了介绍。通过建立模型和系统对煤气的产生与消耗进行预测,保证煤气系统的平衡,减少煤气放散,提高煤气利用率,实现节能降耗。(本文来源于《冶金经济与管理》期刊2018年06期）
任雄朝[7]（2018）在《高炉煤气受入量预测方法的研究》一文中研究指出钢铁企业煤气的合理使用对钢铁企业的生产效率和环境保护有着非常重要的影响。高炉煤气(BFG)作为副产气体之一,产量巨大,被排放到空气中,会对空气造成很大的污染,同时它是重要的二次能源,热值非常低。高炉在生产过程中,生产工艺状态不断的变化,高炉煤气受入量也会跟着发生较大的变动,煤气突然的增多或减少会导致设备停止运转,更严重会导致企业停产。企业不能对煤气合理的调整时会将BFG排放到空气,给环境造成巨大的污染。怎样准确预测BFG受入量,为合理调整煤气平衡提供有效的理论依据,提高能源的利用效率以及保护环境,成为一项需要去努力研究的课题。通过以唐山某钢厂高炉炼铁过程为背景,针对高炉煤气受入量难以预测的问题,提出一种禁忌搜索算法、粒子群算法与回声状态网络结合的预测新方法。首先,在进行预测之前,对从钢厂采集的数据进行预处理,分析出对受入量影响较大的因素,并对高炉煤气受入量进行去噪处理;然后介绍了传统ESN的原理和特性,根据经验和试凑的方法确定ESN各个参数,与BP预测模型预测结果进行对比,证明了ESN在非线性预测的优势。由于传统ESN模型存在预测精度低的问题,对在预测过程中遇到的问题进行针对性的改进,通过对ESN模型优化改进建立PSO-ESN预测模型,实现了对高炉煤气受入量的预测精度的提高;再次由于PSO-ESN存在容易陷入局部最优的问题,引进禁忌搜索算法与PSO-ESN预测模型组合构建TS-PSO-ESN预测模型,进一步提高了收敛速度和收敛精度。与BP预测方法、传统ESN预测方法、PSO-ESN预测方法进行比较,对比预测的平均绝对误差,Mae_(BP)=11426,Mae_(ESN)=8423,Mae_(PSO-ESN)=3648,Mae_(TS-PSO-ESN)=2538,表明了改进方法的有效性。图26幅;表2个;参54篇。(本文来源于《华北理工大学》期刊2018-11-26）
纪月[8]（2018）在《基于大数据的高炉煤气产消量预测研究》一文中研究指出针对高炉煤气相关数据利用率低、预测模型建立困难、预测精度低等问题,合理地利用大量历史数据,建立一种准确且高效的高炉煤气产消量预测模型显得尤为重要。高炉煤气产消量预测模型的建立不仅能为调度人员提供决策信息,而且能减少企业能源消耗,实现节能减排。基于前期在唐山某钢铁企业的实地调研,共采集了105个测点,10G以上的历史数据。针对历史数据,采用箱线图分析法和线性归一化对样本数据进行了预处理,并且运用灰色关联分析法提取出七种高炉煤气产生量的主要影响因素。针对处理后的实验数据,建立了两种预测模型进行高炉煤气产消量的预测研究。首先,提出了一种基于长短期记忆网络(LSTM)与自回归积分滑动平均模型(ARIMA)组合预测模型,该模型的提出是基于LSTM和ARIMA两模型预测结果与实验数据真实值的对比情况。对比结果显示LSTM模型预测结果值比真实值普遍偏低,而ARIMA模型预测结果比真实值普遍偏高。基于上述现象,采用CRITIC方法将两种模型预测结果进行了融合处理。通过与其他模型对比,组合预测模型将预测结果均方根误差减小到2.325,明显改善了ARIMA和LSTM两模型在预测特性上的弊端,降低了预测误差,并且适用于高炉煤气消耗量的预测。其次,建立了一种MR-BP预测模型。随着高炉煤气数据样本的增加,模型训练耗费的时间也大大增加。为了解决这个问题,采用MapReduce架构与BP并行化相结合的方法进行产消量的预测。该模型是将BP神经网络训练分配到多个Map任务,然后将每个Map任务得到的网络权值修正值通过Reduce函数进行汇总,得出最终的权值修正值去调整模型参数。通过对比BP模型、基于LSTM与ARIMA组合模型和MR-BP模型,得出叁种模型训练时间分别是148.20s、112.33s和57.52s,预测结果均方根误差分别是5.193、2.335和3.436。实验结果表明,MRBP模型大大缩短了模型训练的时间,保证了预测的实时性,预测较精准,但相比于LSTM与ARIMA组合预测模型略差。图29幅;表11个;参54篇。(本文来源于《华北理工大学》期刊2018-11-26）
李志刚,纪月,任雄朝[9]（2018）在《基于LSTM与ARIMA组合模型的高炉煤气产生量预测》一文中研究指出通过分析煤气产生量的数据特点,采用LSTM循环神经网络和ARIMA两种预测模型建立钢铁企业高炉煤气产生量预测模型,经验证LSTM模型性能明显优于BP神经网络,但是其预测结果值比真实值普遍偏低,而ARIMA模型的预测结果值比真实值普遍偏高。基于上述现象,提出了一种基于LSTM与ARIMA组合预测模型,将两种模型的预测结果采用CRITIC方法进行融合处理。结果表明,组合模型明显改善了两种模型在预测特性上的弊端,将预测结果的均方根误差减小为2.325,更贴近真实值,提高了预测精度。(本文来源于《铸造技术》期刊2018年11期）
商博军,李长俊,胡镁林[10]（2018）在《基于双流体模型的人工煤气管道腐蚀预测》一文中研究指出人工煤气管网中广泛存在的多相流动腐蚀是造成人工煤气管道减薄的主要原因。针对现有检测技术难以检测输送复杂介质管道的剩余壁厚的问题,以昆明市燃气管网为例,基于双流体模型进行人工煤气管网的多相流动分析,采用实验与理论研究相结合的方法,确定了人工煤气管道的腐蚀特征,计算得到管道的腐蚀情况,结果表明:管道腐蚀程度主要与持液率和CO_2分压相关;采用多相流动仿真模型平均腐蚀速率为0.054 3 mm/a,全动态多相流模拟的腐蚀预测结果存在明显误差;建立的人工煤气管网腐蚀速率预测模型误差平均值为8.9%,优于全动态多相流模拟多相流腐蚀预测结果。(本文来源于《西南石油大学学报(自然科学版)》期刊2018年06期）
煤气预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以高炉煤气为主要研究对象,基于BP神经网络引入粒子群算法优化BP神经网络的权值,通过调试和改进建立PSO-BP神经网络高炉煤气受入量预测模型,使企业实现对煤气的合理调度和平衡调整,研究结合唐山钢厂的历史数据对该模型进行训练和检验。研究结果表明,BP模型比未改进的BP模型更能精确地预测受入量,并解决了遗传算法(GA)优化BP神经网络容易陷入早熟收敛的问题。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
煤气预测论文参考文献
[1].徐化岩,马家琳.基于数据驱动的高炉煤气复合预测模型[J].中国冶金.2019
[2].李志刚,任雄朝,纪月.基于PSO-BP神经网络的高炉煤气受入量的预测[J].现代电子技术.2019
[3].吴晓南,李倩,卢泓方,余思颖,李廉卿.人工煤气管道萘沉积量预测方法及影响因素研究[J].安全与环境学报.2019
[4].谭玉倩.热风炉煤气消耗量灰色预测模型的开发[J].冶金动力.2019
[5].牛飞龙,孙晓伟,刘斌.煤气化装置关键设备腐蚀预测与选材[J].石油化工设备.2019
[6].栾绍峻,吴秀婷.钢铁企业煤气预测与调度优化系统[J].冶金经济与管理.2018
[7].任雄朝.高炉煤气受入量预测方法的研究[D].华北理工大学.2018
[8].纪月.基于大数据的高炉煤气产消量预测研究[D].华北理工大学.2018
[9].李志刚,纪月,任雄朝.基于LSTM与ARIMA组合模型的高炉煤气产生量预测[J].铸造技术.2018
[10].商博军,李长俊,胡镁林.基于双流体模型的人工煤气管道腐蚀预测[J].西南石油大学学报(自然科学版).2018