基于能量诱导型PSO算法与LSSVM模型的钢铁企业高炉煤气消耗量预测

摘要

针对钢铁企业高炉煤气消耗量存在的波动大、随机性强、难以预测等特点，引入能量剩余函数，提出了一种与粒子自身能量相关的能量诱导型粒子群（Energy Guided Particle Swarm Optimization，EGPSO）算法。利用其对最小二乘支持向量机（Least Square Support Vector Machine，LSSVM）的参数进行优化，最后采用优化后的最小二乘支持向量机模型（EGPSO-LSSVM）进行高炉煤气消耗量预测。仿真实验表明：改进后的预测模型在平均绝对百分比误差、均方误差、均方百分比误差三项指标上均优于普通BP神经网络模型和普通最小二乘支持向量机模型，可以为高炉煤气资源的合理使用提供依据。