基于迁移学习的高炉煤气调度决策支持系统

摘要

钢铁工业生产过程耗能高污染严重，如何高效利用能源、减少污染排放是企业亟待解决的问题。高炉煤气是钢铁企业生产中重要的二次能源，对其进行有效利用和优化调度，降低煤气放散是实现企业节能减排的重要手段。本文对高炉煤气系统中典型小样本建模问题，研究了基于迁移学习的柜储量建模和调整点分类方法，提升了优化调度效果。 针对高炉煤气系统生产过程中工况切换问题，本文基于不同工况之间的相似性，提出一种基于视角集成迁移学习的建模方法。考虑方差不一致引起源领域迁移失效问题，提出一种基于领域均值-方差一致性的子空间提取方法，该方法针对多源领域构造多个单视角辅助训练集，而目标领域则形成多视角训练集，降低了单一源域负迁移现象对整体输出的影响，同时充分利用多视角算法特性提高了目标领域小样本建模的准确性。考虑新工况标注样本量从零递增的整个动态过程，构造了领域集成函数权衡领域误差及目标域模型置信度。此外，针对高炉煤气系统多输出的特点，提出了多视角-多输出最小二乘支持向量机回归算法对目标域多视角数据进行建模。 针对高炉煤气系统调整点识别问题，在煤气柜储量建模的基础上，考虑不同企业高炉煤气系统之间的相似性，提出一种基于联合分布适配的迁移学习方法。该方法同时考虑领域数据间边缘分布和条件分布相似性对辅助训练集的数据样本进行权重估计，避免了标签差异导致实例权重估计不准确的问题。在此基础上，通过采用基于实例权重的最小二乘支持向量机分类算法进行建模，提高了少量调整点样本建模时的泛化性。 基于国内某钢铁企业实际生产数据对本文所提出的柜储量建模和调整点分类方法进行实验验证，结果表明本文所提方法对高炉煤气系统调度中的小样本问题具有良好的效果。最后，结合本文所研究方法开发了煤气调度决策支持系统并应用于企业实际生产管理。系统运行结果表明本文工作对高炉煤气系统的调度决策有较好的指导作用，对企业提高能源利用率、实现绿色生产具有重要意义。

目录

声明

1 绪论

1.1 研究背景

1.2 国内外研究现状

1.2.1 煤气系统预测调度研究现状

1.2.2 迁移学习研究现状

1.3 本文主要工作

2 问题及算法描述

2.1 高炉煤气系统

2.2 最小二乘支持向量机

2.2.1 回归模型

2.2.2 分类模型

2.3 迁移学习

2.4 本章小结

3 基于视角集成迁移的高炉煤气系统回归建模

3.1 基于领域均值-方差一致性的子空间提取算法

3.2 基于多视角-多输出LSSVM回归模型

3.3 领域集成函数

3.4 数值实验与分析

3.4.1 人工与标准数据集实验

3.4.2 高炉煤气数据集实验

3.5 本章小结

4 基于联合分布适配的高炉煤气系统调整点分类

4.1 基于联合分布适配的权重估计

4.2 基于实例权重的最小二乘支持向量机分类

4.3 数值实验与分析

4.3.1 人工与标准数据集实验

4.3.2 高炉煤气数据集实验

4.4 本章小结

5 高炉煤气调度决策支持系统应用

5.1 应用系统概况

5.2 系统设计

5.2.1 软件系统架构及运行环境

5.2.2 软件功能设计

5.3 系统运行实例

5.4 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢

大连理工大学学位论文版权使用授权书