论文部分内容阅读
水泥生产数据存在时变时延性、不确定性和非线性等特性,目前的研究方法无法解决时变时延问题,导致难以建立精准的水泥生产电耗预测模型。水泥生产电耗的准确预测能为科学的水泥生产调度和合理的能耗管理提供理论依据,因此,水泥生产电耗预测具有重要意义。针对水泥生产过程中存在的时变时延问题,提出了时变时延深度信念网络水泥生产电耗预测模型(Time Varying Delay Deep Belief Network,TVD-DBN),并用差分进化算法(Differential Evolution,DE)对TVD-DBN模型结构进行优化,实现了水泥生产电耗的精准预测和模型的自动寻优。具体研究工作如下:首先,通过研究水泥回转窑熟料煅烧过程的工艺,分析影响水泥生产电耗的候选影响变量。采用k-邻近互信息的方法分析各个变量之间的关联程度,将水泥电耗输入变量与电耗的相关性分析转为研究变量之间的互信息值和互信息变化率。从而得到了影响水泥生产电耗的关键变量,降低了模型的复杂度,为水泥生产电耗预测模型的建立奠定了基础。其次,根据水泥生产数据中存在的时变时延性、不确定性和非线性等特性,利用滑窗的方法将包含时变时延的时间序列数据映射到深度信念网络,建立了时变时延深度信念网络水泥生产电耗预测模型。通过TVD-DBN模型对时变时延规律的学习,解决了时变时延无法确定的问题,消除了时变时延对电耗预测的影响,提高了模型的预测精度。最后,针对深度学习模型最优结构难以选取的问题,以时变时延深度信念网络前向训练时的前向重构误差为优化目标,建立了基于差分进化的时变时延深度信念网络优化模型,摆脱了人工经验对模型结构参数选取的干预。实验中采用水泥生产过程中的实际数据进行验证与分析,结果表明本文所提方法精确度高,泛化能力强,实现了水泥生产电耗准确预测和模型的自动寻优。