来源：期刊VIP网 时间：
作者：李涛;王盛民;刘刚;王桂伟;
单位：中唯炼焦技术国家工程研究中心有限责任公司;日照检验认证有限公司;
摘要：针对钢铁企业烧结机煤气消耗量预测精度较低的问题，研究建立差分自回归移动平均模型(ARIMA)、长短期记忆网络模型(LSTM)和极端梯度提升模型(XGBoost),用于预测烧结机的高炉煤气消耗量，利用钢铁联合企业的实际数据对比验证了预测模型性能。结果表明，XGBoost模型的预测精度高于ARIMA模型和LSTM模型。XGBoost模型的MAPE为3.45%,RMSE为703.53 m~3/min,R~2为99.91%,鲁棒性和泛化能力较强。此外，为了强化预测模型与烧结机不同运行状态间的联系，对烧结机不同运行状态的煤气消耗量进行预测。LSTM模型在烧结机正常生产状态表现出最好的预测效果，XGBoost模型则在烧结机减产和增产状态预测效果最佳。
关键词：钢铁企业;;烧结机;;煤气消耗量预测;;数据模型;;运行状态
