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
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 m³/min,R²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。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取