基于BiLSTM-Attention模型的热风炉高炉煤气消耗量预测研究

【作者】 冯云； 包向军； 秦毓浓； 杨筱静； 杨文浩； 张璐； 陈光；

【机构】 安徽工业大学能源与环境学院；

【摘要】 钢铁行业作为能源密集型产业,面临着严峻的节能挑战。热风炉作为高炉煤气(BFG)的主要消耗单元,其煤气消耗量的精准预测对提升能源利用率、降低生产成本至关重要。传统数据驱动和物理建模方法因数据处理复杂、模型计算量大及动态适应性不足,难以满足现代钢铁生产需求。本研究提出一种融合双向长短期记忆网络(BiLSTM)与注意力机制(Attention)的时序预测模型,用于热风炉煤气消耗量预测。研究通过搭建BiLSTM-Attention模型,并与RNN、LSTM、单一BiLSTM模型进行对比试验,从MSE、MAE、MAPE、R~2等指标以及预测结果进行综合分析。结果表明:(1)BiLSTM-Attention模型在预测性能上表现更优,其MSE为105.83、MAE为6.21、MAPE为3.44、R~2达到0.9671,预测值与实际值偏差较小,能更好地拟合实际数据变化趋势。(2)BiLSTM-Attention模型的高性能源于BiLSTM与Attention机制的协同作用:BiLSTM通过正向和反向两层LSTM结构,充分挖掘时间序列中过去与未来信息的双向关联,提升了对复杂时序特征的捕捉能力;Attention机制则通过自适应学习不同时间步的权重,使模型能够聚焦关键生产工况下的煤气消耗特征,抑制无关噪声干扰,显著增强了模型对动态生产环境的适应性。(3)在实际生产中,BiLSTM-Attention模型能够为热风炉煤气使用提供更精准的预测结果,有助于钢铁企业合理安排煤气供应,优化热风炉操作,提升资源利用效率,降低高炉焦比,促进高炉高效化生产,对实现钢铁行业节能减排和可持续发展具有重要意义。更多还原