来源：期刊VIP网 时间：
作者：段毅;陈光;周剑波;包向军;张璐;杨筱静;
单位：安徽工业大学能源与环境学院;首钢长治钢铁有限公司;
摘要：精准预测高炉煤气(BFG)发生量是高炉煤气资源优化调控实现高效利用的前提。针对BFG发生量动态波动等特性给煤气精准预测带来的巨大挑战，文章综合小波分解(WD,Wavelet Decomposition)和门控循环单元(GRU,Gated Recurrent Unit)优点构建了WD-GRU模型，有效提升了BFG发生量的预测能力。利用小波分解聚焦数据细节的能力将BFG发生量原始序列分解为不同时频域的分量，更深层地描述BFG发生量的内在特性，将分解后的各分量输入GRU神经网络获得煤气量预测输出。结果表明，所建模型的平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别为0.033和14 152.14 m~3/h，相较于直接采用GRU和LSTM模型获得的预测准确率94.46%和94.03%，分别提升2.21和2.64个百分点，证明了所提出模型在预测性能方面有更出色的表现，可为高炉煤气系统调控优化提供参考。
关键词：高炉煤气发生量;;小波分解;;门控循环单元;;预测模型
基金资助：国家重点研发计划资助项目(2020YFB1711101);; 安徽省重大产业创新计划(AHZDCYCX-LSDT2023-01)
