专利名称：基于主成分分析的灰色多因素MGM(1,n)模型的副产煤气发生量预测方法
技术领域：
本发明涉及一种基于主成分分析的灰色多因素MGM(1，η)模型的副产煤气发生量预 测方法，主要是对钢铁企业副产煤气发生量的预测方法，属于工业气体监测控制技术领域。
背景技术：
钢铁生产消耗的一次能源有40%左右转变成为副产煤气。其中，焦炉煤气、高炉 煤气、转炉煤气分别为46<%、45%、9%。为了能节约能源，降低消费成本，减少对环境的污 染，合理的利用副产煤气就变得尤为重要。所以国内各钢铁企业都十分重视副产煤气的回 收利用，针对这种情况各大钢铁企业为了减少能源消耗与环境污染都在力求合理有效的利 用钢铁生产中的副产煤气。我国钢铁企业能源利用率低、能源散失问题比较严重，既造成了 极大的能源浪费和环境污染，又增加了生产成本。在一些钢铁企业副产煤气的供需是严重 不平衡的，这个不平衡会导致钢铁生产消耗量增大，污染环境，甚至对生产造成威胁，所以 如何高效利用有限能源变得很重要。在确保稳定供给和安全生产的前提下，如何优化供需 结构、充分利用二次能源、减少能源供需不平衡造成的浪费至关重要，而只有以预测其变化 趋势为基础，才能有效的调度能源的供需，实现能源的高效供给和利用。目前有关副产煤气发生量的预测方法，如神经网络模型、回归方程法等，普遍都存 在明显的缺陷。神经网络模型虽理论上具有较高的非线性映射能力，能以任意精度逼近非 线性函数，但却存在反向传播的计算过程收敛速度慢(一般需要成百上千次的迭代计算)、 能量函数的极小值、隐含神经元个数和连接权的选取往往靠经验、网络的收敛性与网络的 结构有关等缺点。回归方程法则由于发生量的影响因素众多，影响因素之间相互关联，而且 应用回归方程进行估算预测时，只能由自变量来估计因变量，不允许因变量来推测自变量， 因而很难进行回归预测。尽管有很多将灰色GM(l，n)模型应用到实际的系统拟合和预报中，但是效果都不 是很理想，因为尽管表述灰色GM(1，η)模型机理的微分方程很简单，但是模型的实际解很 难得到，而方程的求解方法直接决定了模型拟合、预测效果。虽然灰色GM(l，n)模型能反应 系统中各个因素之间的相互关系，但它只适合建立系统的状态模型，适合于各变量的动态 分析，适合于为高阶系统建模提供基础，不适合预测。系统分析法通常需要考虑多因素相互制约、相互联系的系统的建模，灰色系统理 论的多因素预测MGM (1，η)模型，通过建立一阶微分方程来反映系统中η个关联因素对其 中某个因素变化的影响，适合用于对钢铁企业转炉煤气发生量的预测。然而，由于多变量输 入输出问题变量个数较多，且变量与变量之间存在相互关系，使得其预测精度不是很高，因 此，需要将多因素预测MGM (1，η)模型与其方法相结合，来解决其预测精度不理想的问题。
发明内容
本发明的目的是克服现有技术的不足，提供一种基于主成分分析的灰色多因素MGM(1, η)模型的副产煤气发生量预测方法，先利用主成分分析的方法，降低原始数列的维 数，将具有错综复杂关系的变量综合为数量较少的几个成分，然后再利用MGM(l，n)模型进 行预测，有效提高其预测精度。本发明的技术方案是先对转炉、或焦炉、高炉的副产煤气发生量及其影响因素进 行实测和主成分分析，将原始数据标准化并建立变量相关系数阵，计算特征向量和各变量 累积贡献率，结合各变量累积贡献率确定提取副产煤气系统主成分变量数量n，再根据特征 向量写出成分矩阵和η个主成分变量；然后根据主成分变量建立MGM (1，η)预测模型，用 MATLAB法反复求解矩阵方程，进行逐组预测，对所求得的各方程的解作累减还原，得到系统 中各因素的拟合值和预测值。具体步骤如下三个阶段
第一阶段、对副产煤气发生量及其影响因素进行主成分分析 首先，实测一个月内各时间段的副产煤气数据，即转炉、或焦炉、高炉煤气一月内各时 间段(前期、中期和后期，或每日)的发生量及其影响因素，然后选择煤气发生量的影响因素 (如，转炉煤气发生量及烟气成分的CO流量、CO2流量、N2流量和氧气消耗量，高炉煤气的能 源平衡表中的炼铁厂产量、熟料消耗量、铁矿石消耗量、冶金焦消耗量和鼓风量，焦炉煤气 的能源平衡表中的影响因素焦化产量和洗精煤消耗量等)，再将每一时刻t的ρ个指标数 写成原始数据矩阵(t为某一时刻，每一时刻有ρ个指标)
权利要求
1. 一种基于主成分分析的灰色多因素MGM (1，η)模型的副产煤气发生量预测方法，其 特征在于具体步骤如下第一阶段，进行主成分分析1. 1实测一个月副产煤气发生量及其影响因素，将各时间段任一时刻t的ρ个指标数写 成原始数据矩阵
2.根据权利要求1所述的基于主成分分析的灰色多因素MGM(l，n)模型的副产 煤气发生量的预测方法，其特征在于MGM(l，n)模型写成的η元一阶常微分方程组
3.根据权利要求1或2所述的基于主成分分析的灰色多因素MGM (1，η)模型的副产煤 气发生量预测方法，其特征在于所提取的主成分的数量η需满足其对原始影响因素的累 积解释率大于85%的条件。
全文摘要
本发明公开了一种基于主成分分析的灰色多因素MGM(1,n)模型的副产煤气发生量预测方法，属于工业气体监测控制技术领域，主要应用于副产煤气发生量的预测。利用相关矩阵判断是否有进行主成分分析的必要，对转炉煤气前期、中期、后期发生量及其影响因素利用主成分分析的方法提取主成分，然后根据提取的主成分和煤气发生量建立MGM(1,3)模型，进行分析预测。由于在主成分分析降低影响因素维数的基础上，再利用灰色多因素MGM(1,n)模型进行预测，因而具有预测精度高，预测效果好等优点。可在转炉煤气、高炉煤气、焦炉煤气发生量的预测中广泛应用，为实现煤气平衡调度提供科学依据。
文档编号G06F19/00GK102136037SQ20111007089
公开日2011年7月27日 申请日期2011年3月24日 优先权日2011年3月24日
发明者孟华, 李红娟, 王 华, 王建军 申请人:昆明理工大学