基于集成神经网络的水泥生产能耗建模 论文

为了提高水泥生产过程的能耗建模和预测的精度，提出了一种基于神经网络与马尔科夫修正的水泥生产集成能耗预测模型：在数据预处理阶段，为了减小处理数据的规模，采用平均影响值法进行数据降维，筛选敏感变量，从12个变量中选出对能耗输出影响较大的6个，构建一个6输入单输出的神经网络，使能耗建模阶段选用的神经网络模型结构更为简单，可以有效减少训练神经网络所需的时间。在能耗建模阶段，为了建立性能更佳的能耗模型，在以神经网络作为能耗建模元学习器的基础上采用集成学习思想，组合数个元学习器成一个性能更佳的强学习器，即将多个神经网络的预测输出值求平均作为集成模型的预测结果，采用水泥烧成系统的依赖变量和对应的炉窑能耗值作为试验数据进行模型的训练、验证和预测，结果表明，集成模型预测结果的决定系数R2值较单个神经网络提高了0.019，预测值与真实值的相对残差的均值较单个神经网络也减少了0.027，模型性能有所提高。在能耗预测阶段，为了进一步提高模型的预测精度，引入马尔科夫残差修正法，即依据历史预测能耗值与实际能耗值的残差修正当前预测值，提升集成能耗模型的预测精度。结果表明，经马尔科夫修正法修正的预测值相对残差从-0.