[發(fā)明專利]一種基于不完整訓(xùn)練數(shù)據(jù)集的蒸汽流量區(qū)間預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201710938943.2
• 申請日: 2017-10-11
• 公開（公告）號: CN107704962B
• 公開（公告）日: 2021-03-26
• 發(fā)明（設(shè)計）人: 趙珺;陳龍;韓中洋;王偉
• 申請（專利權(quán)）人: 大連理工大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/04
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 溫福雪;侯明遠(yuǎn)

一種基于不完整訓(xùn)練數(shù)據(jù)集的蒸汽流量區(qū)間預(yù)測方法。針對含缺失點(diǎn)的蒸汽流量時間序列數(shù)據(jù)，利用相空間重構(gòu)技術(shù)構(gòu)造輸入輸出訓(xùn)練樣本集，并建立一個初始相關(guān)向量機(jī)回歸模型。然后通過貝葉斯方法推導(dǎo)出缺失輸出的后驗(yàn)概率分布；并由缺失輸出的后驗(yàn)概率的均值來填補(bǔ)與輸出相對應(yīng)的缺失輸入點(diǎn)，不斷迭代上述推導(dǎo)與填補(bǔ)過程來訓(xùn)練預(yù)測模型。通過單步迭代預(yù)測方法來預(yù)測未來一段趨勢的預(yù)測值，其預(yù)測區(qū)間邊界由預(yù)測分布的均值和方差決定。這種預(yù)測方法可以很好地應(yīng)用在含有缺失點(diǎn)時間序列數(shù)據(jù)集中，其預(yù)測結(jié)果更好地輔助調(diào)度人員進(jìn)行冶金蒸汽能源系統(tǒng)的平衡優(yōu)化工作。

技術(shù)領(lǐng)域

本發(fā)明屬于信息技術(shù)領(lǐng)域，涉及到相關(guān)向量機(jī)回歸，貝葉斯后驗(yàn)概率推理等技術(shù)，是一種基于不完整數(shù)據(jù)集的冶金企業(yè)蒸汽流量區(qū)間預(yù)測方法。針對含缺失點(diǎn)的蒸汽流量時間序列數(shù)據(jù)，利用相空間重構(gòu)技術(shù)構(gòu)造輸入輸出訓(xùn)練樣本集，并建立一個初始相關(guān)向量機(jī)回歸模型。然后通過貝葉斯方法推導(dǎo)出缺失輸出的后驗(yàn)概率分布；并由缺失輸出的后驗(yàn)概率的均值來填補(bǔ)與輸出相對應(yīng)的缺失輸入點(diǎn)，不斷迭代上述推導(dǎo)與填補(bǔ)過程來訓(xùn)練預(yù)測模型。通過單步迭代預(yù)測方法來預(yù)測未來一段趨勢的預(yù)測值，其預(yù)測區(qū)間邊界由預(yù)測分布的均值和方差決定。這種預(yù)測方法可以很好地應(yīng)用在含有缺失點(diǎn)時間序列數(shù)據(jù)集中，其預(yù)測結(jié)果更好地輔助調(diào)度人員進(jìn)行冶金蒸汽能源系統(tǒng)的平衡優(yōu)化工作，在冶金工業(yè)其他能源介質(zhì)數(shù)據(jù)中亦可推廣應(yīng)用。

背景技術(shù)

鋼鐵工業(yè)是高能耗產(chǎn)業(yè)，一直以來都面臨著節(jié)能降耗的問題。而蒸汽作為鋼鐵生產(chǎn)中重要的二次能源，不僅被直接應(yīng)用到各個環(huán)節(jié)的生產(chǎn)過程中，還被用來轉(zhuǎn)化為電能以保證鋼廠的電能供應(yīng)。因此，針對蒸汽系統(tǒng)進(jìn)行合理調(diào)度能夠最大限度的利用蒸汽資源，而蒸汽流量數(shù)據(jù)的準(zhǔn)確預(yù)測對有效調(diào)度方案的實(shí)施有著重要作用。當(dāng)預(yù)測到蒸汽供應(yīng)大于蒸汽消耗時，可以及時調(diào)整消耗源(如電廠，鍋爐等)使其增加對蒸汽的消耗；反之，則減少蒸汽消耗，以達(dá)到蒸汽產(chǎn)消平衡，提高蒸汽利用率的目的(Y.Liu,Q.Liu,J.Zhao,et al,(2012).Data-driven based model for flow prediction of steam system in steelindustry[J].Information Sciences,193(11):104-114.)。然而，鋼鐵工業(yè)生產(chǎn)過程環(huán)境復(fù)雜惡劣，通過工業(yè)傳感器采集的蒸汽流量數(shù)據(jù)由于傳感器故障等原因常常含有缺失值，進(jìn)而造成時間序列訓(xùn)練數(shù)據(jù)集的不完整，采用不完整數(shù)據(jù)集很難直接構(gòu)造預(yù)測模型進(jìn)行蒸汽流量預(yù)測。

常見的處理含缺失值的方法是數(shù)據(jù)填補(bǔ)，此方案的思路是先將缺失點(diǎn)進(jìn)行數(shù)據(jù)補(bǔ)全，再使用填補(bǔ)后的數(shù)據(jù)進(jìn)行預(yù)測建模。典型的數(shù)據(jù)填補(bǔ)方法有單一填補(bǔ)，例如，最臨近點(diǎn)填補(bǔ)，樣條插值等，以及多重填補(bǔ)方法等。(J.L.Schafer,J.W.Graham.(2002)Missingdata:our view of the state of the art.Psychol Methods,7(2):147.)近年來，有改進(jìn)的最近鄰方法，貝葉斯網(wǎng)方法以及矩陣補(bǔ)全方法等被應(yīng)用于數(shù)據(jù)填補(bǔ)。另外，目前針對冶金數(shù)據(jù)的預(yù)測模型包括支持向量機(jī)，神經(jīng)網(wǎng)絡(luò)等基于數(shù)據(jù)的機(jī)器學(xué)習(xí)方法。

但是，以上數(shù)據(jù)填補(bǔ)的方法有如下缺點(diǎn)：數(shù)據(jù)填補(bǔ)方案會導(dǎo)致原數(shù)據(jù)集的方差發(fā)生變化，從而影響建模的精度；而且不同的數(shù)據(jù)填補(bǔ)方法的填補(bǔ)效果不同，也會對模型的建立產(chǎn)生不同的影響，且針對不同的數(shù)據(jù)需要分別確定最優(yōu)的填補(bǔ)方案，過程繁瑣。因此，如果能夠?qū)⒑笔c(diǎn)的數(shù)據(jù)集直接用來建模，在建模的過程中去填補(bǔ)缺失點(diǎn)就可以避免提前數(shù)據(jù)填補(bǔ)的步驟簡化方法，并且可以使填補(bǔ)方案適用于提高模型預(yù)測精度。另一方面，現(xiàn)有預(yù)測模型(如，支持向量機(jī)，神經(jīng)網(wǎng)絡(luò)等)大多數(shù)只能給出預(yù)測結(jié)果的單一點(diǎn)估計值，并不能給出預(yù)測可靠性的度量，而工業(yè)應(yīng)用現(xiàn)場往往需要考慮預(yù)測的不確定性的。(J.Zhao,Q.Liu,W.Wang,et al.(2012)Hybrid neural prediction and optimized adjustmentfor coke oven gas system in steel industry[J].IEEE Transactions on NeuralNetworks and Learning Systems,23(3):439.)

發(fā)明內(nèi)容