一种基于均值与方差同时建模的高炉煤气发生量预测方法与流程

技术特征：
1.一种基于均值与方差同时建模的高炉煤气发生量预测方法，其特征在于包括以下步骤：步骤一、采集钢铁企业制造部门的生产信息和能源管理部门的煤气信息，所述生产信息包括各工序和生产线的生产量、生产周期内的设备检修记录，所述煤气信息包括能源介质的消耗、回收和放散数据；步骤二、对采集到的数据进行去噪，得到稳定的、规则的生产与能源数据，并对数据进行归一化处理，把数据由小至大排列，处于数据1/4及3/4的数据，称为数据的1/4分位数与3/4分位数，分别记为q
0.25
与q
0.75
，int＝q
0.75-q
0.25
；如果数据不属于[q
0.25-1.5int,q
0.75
1.5int]，识别为异常数据点，把异常数据点从数据中剔除，此外使用如下公式对数据进行归一化：x
i
代表表1中的每一列中的一个数据，x
min
代表对应列数据变化的最小值，x
max
代表对应列数据变化的最大值；步骤三、对数据的均值及方差同时建模，对均值使用变系数模型进行建模，对高炉煤气数据的方差，使用线性模型去描述，建立均值和方差模型的极大似然估计目标函数，使用基于正则化思想对极大似然估计进行惩罚，达到同时进行估计及变量选择的目的；步骤四、使用bic的方法对未知参数进行验证，选择模型中的调节参数；步骤五、将所述步骤四中的参数作为初始值，使用推断后的变系数模型进行点估计；步骤六、使用均值模型和方差模型对煤气的发生量进行区间预测，煤气发生量的点预测值为：测值为：煤气发生量的95％置信区间为：2.根据权利要求1所述的基于均值与方差同时建模的高炉煤气发生量预测方法，其特征在于：所述步骤三包括以下步骤：1)利用现有的历史数据构造特征空间，数据集{(x
i1
,x
i2
,...,x
im
,y
i-k
,...,y
i-1
,y
i
),i＝k 1,...,n}，其中x
i1
,x
i2
,...,x
im
为i时刻煤气发生量的控制变量，如焦比、高炉透气性指数、风量、肥煤等，y
i
表示时刻i高炉煤气的发生量，其中k为超参数，需要使用交叉核实验证的方法确定；2)对均值使用变系数模型进行建模，
其中f
m
(
·
)与g(
·
)为未知函数m＝1,...,d，α
l
，l＝0,...,k为未知参数，要进行煤气发生量的预测，必须要把上述未知的参数和函数利用现有的数据学习出来。采用极大似然估计。3)建立均值和方差模型的极大似然估计目标函数，为了方便进行优化求解，对(1.2)取对数4)对高炉煤气数据的方差，使用线性模型去描述，5)建立均值和方差模型的极大似然估计目标函数，设多项式样条基为其中，t1,t2,
…
,t
n
表示n个结点，每个函数都可以利用多项式样条基展开，因此表示n个结点，每个函数都可以利用多项式样条基展开，因此其中，α＝(α0,α2,
…
,α
k-2
)
t
且为虚拟的协变量，为克罗内克积，γ＝(γ1,γ2,
…
,γ
d
)
t
，γ
i
＝(γ
i1
,γ
i2
,
…
,γ
in 4
)
t
，，β＝(β0,β1,
…
,β
m
)
t
6)使用基于正则化思想对极大似然估计进行惩罚，达到同时进行估计及变量选择的目
的：其中使用scad惩罚函数：

技术总结
本发明涉及一种基于均值与方差同时建模的高炉煤气发生量预测方法，属于信息建模技术领域。本发明包括步骤一、采集钢铁企业制造部门的生产信息和能源管理部门的煤气信息；步骤二、对采集到的数据进行去噪，得到稳定的、规则的生产与能源数据；步骤三、对数据的均值及方差同时建模；步骤四、使用BIC的方法对未知参数进行验证；步骤五、将所述步骤四中的参数作为初始值，使用推断后的变系数模型进行点估计；步骤六、使用均值模型和方差模型对煤气的发生量进行区间预测。本发明充分利用了原始数据提供的信息，即使在数据波动较大的情况下，也能得到可靠的煤气发生量预测。得到可靠的煤气发生量预测。得到可靠的煤气发生量预测。


技术研发人员：王自龙 陈景明 仲园 王德开 闫磊 徐国梁
受保护的技术使用者：上海梅山钢铁股份有限公司
技术研发日：2020.12.01
技术公布日：2022/6/4