基于数据解析的钢铁企业能源预测

摘要

以钢铁企业的能源消耗系统为研究背景,本文对各生产工序中能源介质消耗和回收情况进行了分析,并按能源介质消耗机理和计量方式的不同将能耗预测问题进行了分类研究.对于按月统计的小规模样本数据集,提出基于差分进化算法的混核最小二乘支持向量机算法,针对大规模的样本数据集,利用差分进化算法对BP神经网络算法模型的连接权值进行寻优,并与粒子群优化的结果做了比较.钢铁企业实际数据的测试结果表明本文所提出的预测方法具有较高的预测精度,能够为企业在把握能源消耗的趋势,降低钢铁生产和贮存成本方面提供有效的技术支持.