文章摘要:为了解决加热炉煤气消耗量无法精准预测的问题，本文提出了融合事件和数据的加热炉煤气消耗量预测方法。根据操作事件将加热炉的运行状态分为正常运行、停炉检修和待料运行，以各运行状态下差分自回归移动平均模型（ARIMA）和人工神经网络模型（ANN）的预测性能为基础，结合生产大数据对加热炉煤气消耗量进行混合预测。结果表明：混合预测模型的预测性能好，滞后性小；混合预测模型的平均绝对误差为1542.45 m³/min，平均相对误差为0.0654，对称平均绝对误差为0.0665，与使用单纯的ARIMA模型和ANN模型相比，混合预测模型精度更高。

文章关键词:

论文分类号:TF4