基于相關向量機樣本選擇的鋼鐵企業副產煤氣系統預測

【摘要】：針對副產煤氣系統的運行數據冗余度高、噪聲強等特點，提出了一種基于相關向量機算法(relevance vector machine， RVM)的訓練樣本選擇的副產煤氣系統預測算法。鑒于RVM算法具有相關樣本自動選擇的特點，提出采用此算法對原始訓練集數據進行訓練，以獲取的相關向量作為基本訓練集；之后利用K近鄰算法(K nearest neighbor， KNN)實現對基本訓練集合的樣本增強，并以此作為新的訓練集，從而實現樣本的去冗余，提高訓練樣本質量，提升算法效率與預測準確度。采用國內某鋼鐵廠高爐煤氣數據進行試驗，試驗效果表明，本文所提的方法可有效針對高爐煤氣數據進行樣本選擇，并以較快的模型訓練效率獲得較高的煤氣柜柜容預測精度，預測結果可為鋼鐵煤氣系統的優化調度工作提供基礎。