基于工艺的自适应数据质量多模型择优预测

Qing-xin ZHANG,Zhan-bo CUI,Lei CHENG,Lu-ping WANG,Rui MA,Yi-ping WU

Science Technology and Engineering（2014）

引用 0|浏览0

暂无评分

摘要

针对钢铁企业实际生产过程中,采用单一预测模型进行预测难以把握大规模启停设备用电规律,预测精度较低等问题,根据生产-检修阶段的实际工艺情况,将生产,检修问题采用随机近似贪婪搜索RAGS对复杂特征进行特征选择,建立了一个自适应数据质量的多模型择优预测框架进行建模;将其应用于宝钢电网.仿真结果表明,提出多模型择优预测框架可以准确预测钢铁企业电力日负荷,为实现电力系统能源调度提供决策依据.

查看译文

关键词

feature selection,random approximation greedy search,NNLS,LS-SVM,ESN multi model selection

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要