[发明专利]一种钢铁企业焦炉煤气发生量预测方法

权利要求书

1.一种钢铁企业焦炉煤气发生量预测方法，其特征在于包括如下步骤：

1)预处理：从钢铁企业数据库中获取预测焦炉煤气发生量的数据并对所述真实样本数据进行预处理；

2)预测模型：基于预处理后的样本数据构建并训练BP神经网络焦炉煤气发生量预测模型；

3)预测结果：基于训练好的焦炉煤气发生量预测模型进行焦炉煤气发生量预测，得到焦炉煤气发生量预测结果。

2.根据权利要求1所述的一种钢铁企业焦炉煤气发生量预测方法，其特征在于所述预处理包括如下步骤：

1)确定焦炉煤气发生量预测模型的输入输出；

所述输入包括:上个时间段的焦炉煤气发生量、焦炉煤气压力；所述输出包括:焦炉煤气发生量的预测值；

2)使用孤立森林算法进行异常值检验并对其进行剔除,具体步如下：

①从需要检测的煤气发生量数据D中随机选择φ个样本点作为生成本棵孤立二叉树的样本集D_s；

②从样本集Ds中随机选择一个特征f和一个切割值p，若节点N包含的所有样本在特征f下的最大值和最小值分别为f_max和f_min,则有p∈(f_max，f_min)；

③若样本的特征f的值小于切割值p,则将该样本分到节点N的左子树；否则，分到右子树；

④重复步骤②③，分别对节点N的左右子树节点进行切分，生成孤立二叉树。当子树节点中有多条相同的数据或只有一条数据或孤立二叉树已达到设置的最大高度时，停止生成孤立二叉树；孤立森林最终由指定数目的孤立二叉树组成。

3.根据权利要求1所述的一种钢铁企业焦炉煤气发生量预测方法，其特征在于所述BP神经网络预测模型通过以下步骤建立：

1)将煤气序列样本进行归一化处理；采用如下函数对所述真实样本数据进行归一化处理，将所述真实样本数据归一化为[0,1]区间上的值，函数的归一化公式为；

其中，x为数据归一化后的值，x_j为数据归一化前的初始值，x_min为初始数据的最小值，x_max为初始数据的最大值，y_min为归一化区间的左端点，y_max为归一化区间的右端点；

2)将煤气样本分为训练集与预测集两部分，煤气样本的训练集输入利用滑动窗口法得到；

3)利用焦炉煤气的训练集训练BP神经网络预测模型；

4)利用搭建好的BP神经网络预测模型预测焦炉煤气的发生量。

4.根据权利要求1所述的一种钢铁企业焦炉煤气发生量预测方法，其特征在于所述训练BP神经网络包括：

确定BP神经网络隐含层节点；隐含层的节点个数的确定采用如下公式：

其中，n为输入层神经元个数，m为输出层神经元个数，p为隐含层神经元个数，a为修正常数，一般取1到100之间的整数。

5.根据权利要求2所述的一种钢铁企业焦炉煤气发生量预测方法，其特征在于所述步骤④中：

根据样本点D在每棵孤立二叉树中的路径长度h(D),利用公式

计算D的异常值，从而评价其异常情况；其中

c(n)＝2H(n-1)-(2(n-1)/n)；

H(k)＝ln(k)+ξ。