典型文献
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
文献摘要：
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(elimi-nate 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.
文献关键词：
压力预测;蒸汽管网;数据缺失;数据填补;最小二乘支持向量机
中图分类号：
作者姓名：
赵烽敏;徐晓东;李峥;姚文贵;陈龙
作者机构：
上海宝能信息科技有限公司工程部,上海201900;大连理工大学控制科学与工程学院,辽宁大连116081;上海宝能信息科技有限公司综合部,上海201900;上海宝能信息科技有限公司研发部,上海201900
文献出处：
引用格式：
[1]赵烽敏;徐晓东;李峥;姚文贵;陈龙-.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)[J].冶金自动化,2022(04):64-71
A类：
B类：
近邻,最小二乘支持向量机,蒸汽管网,压力预测,钢铁企业,压力变化,流量数据,随机缺失,蒸汽系统,least,squares,support,vector,machine,LSSVM,噪声处理,缺失数据填补,elimi,nate,neighbor,noise,nearest,ENN,KNN,蒸汽流量,原始数据,异常点,缺失点,用用,煤精,海水淡化,烧结,干熄焦,炼钢,抗干扰性,数据缺失
AB值：
0.350327
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
