- 1、本文档共6页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
工業加熟
2024年第53卷第6期
Vol.53No.62024INDUSTRIALHEATING
节能环保
D01:10.3969/j.issn.1002-1639.2024.06.010
基于集成学习的钢铁(高炉)行业碳排放预测方法
叶强,陈吴晓,胡泽延,蔡雨晴,林涵
(国网福建营销服务中心(计量中心资金集约中心)需求侧管理中心,福建福州350013)
摘要:钢铁工业是能源消耗大、碳排放大的典型产业。中国的钢铁业是全球碳排放最多的行业之一。目前,由于缺乏监测数据,对钢
铁行业企业碳排放预测的研究很少。为了有效解决这一问题,提出一种基于集成学习的钢铁(高炉)行业碳排放预测方法。选取具
有较好计量手段的用电量作为碳排放影响因素,并结合高炉和电弧炉工艺,采用了三种机器学习模型,分别是反向传播(backpropa-
gation,简称BP)神经网络、支持向量机和随机森林,这些模型在机器学习领域具有广泛的应用前景。利用Shapley集成学习方法进行
碳排放预测。通过仿真实验验证了本文所提的以用电量输人的钢铁行业碳排放预测模型具有理想的有效性与准确性。该结果可以
为钢铁行业企业在减排和资源优化方面提供科学依据。
关键词:BP神经网络;支持向量机;随机森林;钢铁(高炉)行业;钢铁(高炉)行业
中图分类号:TP18文献标志码:A文章编号:1002-1639(2024)06-0041-06
CarbonEmissionPredictionMethodofSteel(BlastFurnace)IndustryBasedonEnsembleLearning
YEQiang,CHENWuxiao,HUZeyan,CAIYuqing,LINHan
(StateGridFujianMarketingServiceCenter(MeteringCenterandIntegratedCapitalCenter),DSMCenter,Fuzhou350013,China)
Abstract:Thesteelindustryisatypicalindustrywithhighenergyconsumptionandamplifiedcarbonemissions.Chinassteelindustryisoneof
theindustrieswiththehighestcarbonemissionsintheworld.Atpresent,duetothelackofmonitoringdata,thereislittleresearchonpredic-
tingcarbonemissionsofsteelindustryenterprises.Toeffectivelyaddressthisissue,acarbonemissionpredictionmethodforthesteel(blast
furnace)industrybasedonensemblelearningisproposed.Itselectselectricityconsumptionwithgoodmeasurementmethodsastheinfluencing
factorofcarbonemissions,andcombinesblastfurnaceandelectricarcfurnaceprocessestoadoptthreemachinelearningmodels,namelyBack
Propagation(BP)neuralnetwork,SupportVectorMachine,andRandomForest.Thesemodelshavebroadapplicationprospectsinthefield
ofmachinelearning.UsingShapleyensemblelearningmethod
您可能关注的文档
- DB35_T 1808-2018 城乡社区网格员工作规范.docx
- 多情景下中国造纸行业碳排放峰值预测研究--基于可拓展的随机性环境评估模型.pdf
- 工程勘察设计行业发展展望与预测.pdf
- DB 35 T 995-2010 燃油工业锅炉经济运行.docx
- DB35_T 2014-2021 生物检材中毒品及其代谢物分析操作规程.docx
- 行业特定知识转移与分析师预测质量:来自券商机构并购的证据.pdf
- DB35-T 1760-2018 H7亚型禽流感抗原胶体金免疫层析检测试纸条的制备和在活禽中快速检测技术规程.docx
- 基于可解释机器学习模型的电信行业客户流失预测研究.pdf
- 基于时间卷积网络与图注意力网络的分行业日售电量预测方法.pdf
- 基于因果分析的行业月度电量预测方法.pdf
文档评论(0)