结合生成对抗网络与神经网络的高炉煤气发生量预测方法技术

本发明专利技术公开了一种结合生成对抗网络与神经网络的高炉煤气发生量预测方法，涉及人工智能技术领域，该方法包括：获取用于高炉煤气发生量预测的真实样本数据；并对真实样本数据进行预处理；构建并训练生成对抗网络；基于真实样本数据和生成对抗网络生成用于高炉煤气发生量预测的仿真数据；构建基于BP神经网络的高炉煤气发生量预测模型，并利用仿真数据和真实样本数据训练高炉煤气发生量预测模型；基于训练好的高炉煤气发生量预测模型进行高炉煤气发生量预测，得到高炉煤气发生量预测结果。本发明专利技术结合生成对抗网络与BP神经网络预测高炉煤气发生量，显著提高了预测的精确度，有效解决了钢铁生产过程中，若测得数据过少时BP神经网络预测精度较低的问题。

【技术实现步骤摘要】
结合生成对抗网络与神经网络的高炉煤气发生量预测方法
本专利技术涉及人工智能
，更具体地说，涉及一种结合生成对抗网络与神经网络的高炉煤气发生量预测方法。
技术介绍
随着我国经济的发展，人民生活在日益变好的同时，我国的环境污染和能源利用率低等问题日益严重，而其中尤其以钢铁企业这一能源消耗大户最为严重。高炉煤气是钢铁生产过程中主要的二次能源，其特点是热值较低、自身性质不稳定，这使得高炉煤气的生产过程较为复杂而且产出量会有较大幅度的波动，较难控制。与钢铁生产过程中的其他副产品不同，高炉煤气的发生量常常会在正常生产过程结束后依然会有大量的剩余。另外，高炉煤气的发生量在生产过程中的过多或过少都会导致生产设备的停火，中断钢铁生产过程，造成安全隐患和原料浪费。因此，如果不能准确的预测高炉煤气发生量，不仅会让生产过程中存在安全问题，还会造成能源浪费和环境污染，并且还会产生经济损失。当前我国大多数钢铁企业在实际生产过程中为使得各个生产环节高效运行，优化煤气系统中各项数值和指标，通常都需要对煤气运输管道中的各个用煤气用户的煤气产生量和消耗量进行本文档来自技高网...

【技术保护点】
1.一种结合生成对抗网络与神经网络的高炉煤气发生量预测方法，其特征在于，包括以下步骤：/nS101、获取用于高炉煤气发生量预测的真实样本数据；并对所述真实样本数据进行预处理；/nS102、基于预处理后的真实样本数据构建并训练生成对抗网络；/nS103、基于所述真实样本数据和所述生成对抗网络生成用于高炉煤气发生量预测的仿真数据；/nS104、构建基于BP神经网络的高炉煤气发生量预测模型，并利用所述仿真数据和所述真实样本数据训练所述高炉煤气发生量预测模型；/nS105、基于训练好的高炉煤气发生量预测模型进行高炉煤气发生量预测，得到高炉煤气发生量预测结果。/n

【技术特征摘要】
1.一种结合生成对抗网络与神经网络的高炉煤气发生量预测方法，其特征在于，包括以下步骤：
S101、获取用于高炉煤气发生量预测的真实样本数据；并对所述真实样本数据进行预处理；
S102、基于预处理后的真实样本数据构建并训练生成对抗网络；
S103、基于所述真实样本数据和所述生成对抗网络生成用于高炉煤气发生量预测的仿真数据；
S104、构建基于BP神经网络的高炉煤气发生量预测模型，并利用所述仿真数据和所述真实样本数据训练所述高炉煤气发生量预测模型；
S105、基于训练好的高炉煤气发生量预测模型进行高炉煤气发生量预测，得到高炉煤气发生量预测结果。


2.根据权利要求1所述的方法，其特征在于，所述预处理包括：
确定高炉煤气发生量预测模型的输入输出；所述输入至少包括：冷风流量、热风压力、富氧量和上一时间段的高炉煤气发生量；所述输出包括：高炉煤气发生量的预测值；
数据清洗与归一化；
剔除所述真实样本数据中的异常数据；
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为数据归一化后得到的值，xj为数据归一化前的初始值，xmin为初始数据的最小值，xmax为初始数据的最大值，ymin为归一化区间的左端点，ymax为归一化区间...

【专利技术属性】
技术研发人员：杜金铭，洪宇望，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21