Under the background of double carbon target,the research on energy consumption prediction of steel industry plays an important role in reducing production efficiency and improving efficiency of steel industry.In order to scientifically predict the energy consumption of steel industry production,based on the data of iron and steel energy consumption from 2010 to 2022,three improved grey prediction models of DNGM(1,1),IDGM (1,1) and DDGM(1,1) were established to predict the comprehensive energy consumption per ton of steel and the comparable energy consumption per ton of steel.The data prediction and error comparison analysis were carried out to select the optimal model and obtain the prediction results from 2023 to 2025.The results show that the grey prediction model is feasible and adaptable in the prediction of steel energy consumption.The DNGM(1,1) model has the best overall simulation performance in the prediction of energy consumption in steel industry production.The comprehensive energy consumption per ton of steel and the comparable energy consumption per ton of steel will continue to decline from 2023 to 2025.
Keywords:steel industry
;
comprehensive energy consumption per ton steel
;
comparable energy consumption per ton steel
;
grey prediction model
;
improved grey model
DENG Gao, LI Qi. Research on Energy Consumption Prediction of Steel Industry Production Based on Improved Grey Models[J]. Gold Science and Technology, 2024, 32(3): 548-558 doi:10.11872/j.issn.1005-2518.2024.03.118
钢铁工业属于能源密集型行业,是能源消耗和CO2排放的主要工业部门之一(Lin et al.,2015),占全球CO2排放的5%~6%(Zhang et al.,2018)。我国是全球第一钢铁生产大国,2021年,我国粗钢产量达到10.18亿t,占世界总钢产量的54%(World Steel Association,2023)。因此,我国钢铁工业的能耗形势对中国乃至世界工业能耗情况具有极其重要的影响。降低CO2排放的有效方式是控制钢铁工业的能源消耗,中国钢铁工业在保证产量快速增长的同时,在节能降耗方面也取得了显著成效(何坤等,2021)。在过去的10多年里,中国采取多项举措限制产能和CO2排放,其中包括关停近2亿t总产能的高能耗、小产能钢铁企业,以及实施产能置换和限制审批制度,这些措施均彰显了政府在环境保护和资源利用方面的坚定决心。目前,产量快速增长的势头下降,发展方向转变为产业结构的调整和升级。在保证钢材供给量充足的情况下,中国钢铁工业需要进一步降低生产能耗。因此,有必要对中国钢铁工业生产能耗现状进行分析和研究,并进一步对能耗数据进行预测,从而把握未来钢铁工业生产能耗的发展趋势,找准节能方向,促进双碳目标的尽早实现。
虽然过去学者们扩充了灰色预测方法的多样性(邓高等,2017;Zeng et al.,2019;何承香等,2021),同时也探索了灰色模型在能耗预测方面的应用(王江荣等,2020;刘强等,2022;钞寅康等,2023),但是将其运用于钢铁工业生产能耗预测的研究较少,更鲜有不同改进灰色预测模型在钢铁能耗领域的对比研究。本文拟建立DNGM(1,1)、IDGM(1,1)和DDGM(1,1)3种优化灰色预测模型,对吨钢综合能耗和吨钢可比能耗2类数据进行模拟和预测,通过对比分析模型性能,选取适用于钢铁能耗预测的最优模型,以实现对钢铁工业生产能耗的科学预测。
吨钢可比能耗是企业每生产1 t粗钢,从炼焦、烧结、炼铁、炼钢直至企业最终钢材配套生产所必需的耗能量及企业燃料加工与运输、机车运输能耗及企业能源亏损所分摊在每吨粗钢上的耗能量之和,不包括钢铁工业企业的采矿、选矿、铁合金、耐火材料制品、碳素制品、煤化工产品及其他产品生产、辅助生产及非生产的能耗。吨钢可比能耗是为了比较企业间能源效率而设置的,其实质是各工序能耗的一种迭加(陈光等,2014;Zhang et al.,2019;许立松等,2021)。工序能耗是针对钢铁生产流程的具体生产工序而言,仅反映某一生产工程的能耗水平。本文以中国钢铁工业为研究对象,选择吨钢综合能耗和吨钢可比能耗2个方面展开研究。
Power consumption prediction and application of GM(1,1)-MEA-BP combined model
0
2023
Influencing factors of energy of consumption for iron steel enterprise systems
0
2014
Analysis of mineral resources utilization based on grey cluster and grey prediction combined model
0
2017
The diferential grey model(GM) and its implement in long period forecasting of grain
0
1984
A novel forecasting approach based on multi-kernel nonlinear multivariable grey model:A case report
1
2020
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
Integrated model for forecasting waterway traffic accidents based on the grey-BP neural network
0
2020
Direct grey model
0
1992
Matrix form of interval multivariable gray model and its application
1
2022
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
Discrete DDGM prediction model of development belt based on the standard interval grey number
0
2014
Prediction comparative analysis of PM2.5 in Chongqing based on parameter combination optimization of grey models
0
2021
Development and status of production energy consumption of China’s iron and steel industry
0
2021
Forecasting of municipal solid waste quantity in a developing country using multivariate grey models
1
2015
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
Carbon emissions from energy intensive industry in China:Evidence from the iron & steel industry
1
2015
... 钢铁工业属于能源密集型行业,是能源消耗和CO2排放的主要工业部门之一(Lin et al.,2015),占全球CO2排放的5%~6%(Zhang et al.,2018).我国是全球第一钢铁生产大国,2021年,我国粗钢产量达到10.18亿t,占世界总钢产量的54%(World Steel Association,2023).因此,我国钢铁工业的能耗形势对中国乃至世界工业能耗情况具有极其重要的影响.降低CO2排放的有效方式是控制钢铁工业的能源消耗,中国钢铁工业在保证产量快速增长的同时,在节能降耗方面也取得了显著成效(何坤等,2021).在过去的10多年里,中国采取多项举措限制产能和CO2排放,其中包括关停近2亿t总产能的高能耗、小产能钢铁企业,以及实施产能置换和限制审批制度,这些措施均彰显了政府在环境保护和资源利用方面的坚定决心.目前,产量快速增长的势头下降,发展方向转变为产业结构的调整和升级.在保证钢材供给量充足的情况下,中国钢铁工业需要进一步降低生产能耗.因此,有必要对中国钢铁工业生产能耗现状进行分析和研究,并进一步对能耗数据进行预测,从而把握未来钢铁工业生产能耗的发展趋势,找准节能方向,促进双碳目标的尽早实现. ...
An optimized nonlinear grey Bernoulli prediction model and its application in natural gas production
1
2022
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
A grey relation projection-random forest prediction model of energy consumption for electric buses considering driving style
0
2022
Parameter properties of DDGM(1,1) model under scalar multiplication transformation of modeling sequence
0
2019
Expand of NGM(1,1) model based on the direct estimation method
0
2015
Application of grey G(1,1) model based on variable weight buffer operator in metro energy consumption prediction
0
2020
Forecasting U.S. shale gas monthly production using a hybrid ARIMA and metabolic nonlinear grey model
1
2018
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
The status of energy consumption of China and analysis of energy saving potential in iron and steel industry
0
2017
A prediction of PV output power based on the combination of improved grey propagation neural network
0
2016
An optimized NGBM(1,1) model for forecasting the qualified discharge rate of industrial wastewater in China
1
2011
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
World Steel in Figures 2023[OB/OL]
1
2023
... 钢铁工业属于能源密集型行业,是能源消耗和CO2排放的主要工业部门之一(Lin et al.,2015),占全球CO2排放的5%~6%(Zhang et al.,2018).我国是全球第一钢铁生产大国,2021年,我国粗钢产量达到10.18亿t,占世界总钢产量的54%(World Steel Association,2023).因此,我国钢铁工业的能耗形势对中国乃至世界工业能耗情况具有极其重要的影响.降低CO2排放的有效方式是控制钢铁工业的能源消耗,中国钢铁工业在保证产量快速增长的同时,在节能降耗方面也取得了显著成效(何坤等,2021).在过去的10多年里,中国采取多项举措限制产能和CO2排放,其中包括关停近2亿t总产能的高能耗、小产能钢铁企业,以及实施产能置换和限制审批制度,这些措施均彰显了政府在环境保护和资源利用方面的坚定决心.目前,产量快速增长的势头下降,发展方向转变为产业结构的调整和升级.在保证钢材供给量充足的情况下,中国钢铁工业需要进一步降低生产能耗.因此,有必要对中国钢铁工业生产能耗现状进行分析和研究,并进一步对能耗数据进行预测,从而把握未来钢铁工业生产能耗的发展趋势,找准节能方向,促进双碳目标的尽早实现. ...
A summary of grey forecasting models
1
2022
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
Discrete GM(1,1) and mechanism of grey forecasting model
0
2005
The nonlinear time lag multivariable grey prediction model based on interval grey numbers and its application
1
2021
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
Analysis of energy consumption evaluation indication for iron and steel production
0
2017
Analysis on energy consumption and CO2 emission trend of China’s iron and steel industry in key regions
0
2021
Improvement and application of grey prediction GM(1,1) model
0
2011
A new multivariable grey prediction model with structure compatibility
1
2019
... 虽然过去学者们扩充了灰色预测方法的多样性(邓高等,2017;Zeng et al.,2019;何承香等,2021),同时也探索了灰色模型在能耗预测方面的应用(王江荣等,2020;刘强等,2022;钞寅康等,2023),但是将其运用于钢铁工业生产能耗预测的研究较少,更鲜有不同改进灰色预测模型在钢铁能耗领域的对比研究.本文拟建立DNGM(1,1)、IDGM(1,1)和DDGM(1,1)3种优化灰色预测模型,对吨钢综合能耗和吨钢可比能耗2类数据进行模拟和预测,通过对比分析模型性能,选取适用于钢铁能耗预测的最优模型,以实现对钢铁工业生产能耗的科学预测. ...
A novel multi-variable grey forecasting model and its application in forecasting the grain production in China
1
2020
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
Analysis of indirect DGM(1,1) model of non-homogeneous exponential incremental sequences
0
2010
Prediction model of stochastic oscillation sequence based on amplitude compression
0
2012
Research on a grey common prediction modeling with strong compatibility and its properties
0
2017
Game Theory-based Research on Energy Conservation and Carbon Reduction Management Decisions in the Steel Industry
0
2023
CO2 capture from reheating furnace based on the sensible heat of continuous casting slabs
1
2018
... 钢铁工业属于能源密集型行业,是能源消耗和CO2排放的主要工业部门之一(Lin et al.,2015),占全球CO2排放的5%~6%(Zhang et al.,2018).我国是全球第一钢铁生产大国,2021年,我国粗钢产量达到10.18亿t,占世界总钢产量的54%(World Steel Association,2023).因此,我国钢铁工业的能耗形势对中国乃至世界工业能耗情况具有极其重要的影响.降低CO2排放的有效方式是控制钢铁工业的能源消耗,中国钢铁工业在保证产量快速增长的同时,在节能降耗方面也取得了显著成效(何坤等,2021).在过去的10多年里,中国采取多项举措限制产能和CO2排放,其中包括关停近2亿t总产能的高能耗、小产能钢铁企业,以及实施产能置换和限制审批制度,这些措施均彰显了政府在环境保护和资源利用方面的坚定决心.目前,产量快速增长的势头下降,发展方向转变为产业结构的调整和升级.在保证钢材供给量充足的情况下,中国钢铁工业需要进一步降低生产能耗.因此,有必要对中国钢铁工业生产能耗现状进行分析和研究,并进一步对能耗数据进行预测,从而把握未来钢铁工业生产能耗的发展趋势,找准节能方向,促进双碳目标的尽早实现. ...
Energy and resource conservation and air pollution abatement in China’s iron and steel industry
1
2019
... 吨钢可比能耗是企业每生产1 t粗钢,从炼焦、烧结、炼铁、炼钢直至企业最终钢材配套生产所必需的耗能量及企业燃料加工与运输、机车运输能耗及企业能源亏损所分摊在每吨粗钢上的耗能量之和,不包括钢铁工业企业的采矿、选矿、铁合金、耐火材料制品、碳素制品、煤化工产品及其他产品生产、辅助生产及非生产的能耗.吨钢可比能耗是为了比较企业间能源效率而设置的,其实质是各工序能耗的一种迭加(陈光等,2014;Zhang et al.,2019;许立松等,2021).工序能耗是针对钢铁生产流程的具体生产工序而言,仅反映某一生产工程的能耗水平.本文以中国钢铁工业为研究对象,选择吨钢综合能耗和吨钢可比能耗2个方面展开研究. ...
Prediction model of mine ecological environment based on PCA and GM(1,1)
0
2018
GM(1,1)-MEA-BP组合模型电能消耗预测及应用
1
2023
... 虽然过去学者们扩充了灰色预测方法的多样性(邓高等,2017;Zeng et al.,2019;何承香等,2021),同时也探索了灰色模型在能耗预测方面的应用(王江荣等,2020;刘强等,2022;钞寅康等,2023),但是将其运用于钢铁工业生产能耗预测的研究较少,更鲜有不同改进灰色预测模型在钢铁能耗领域的对比研究.本文拟建立DNGM(1,1)、IDGM(1,1)和DDGM(1,1)3种优化灰色预测模型,对吨钢综合能耗和吨钢可比能耗2类数据进行模拟和预测,通过对比分析模型性能,选取适用于钢铁能耗预测的最优模型,以实现对钢铁工业生产能耗的科学预测. ...
钢铁企业系统能耗影响因素分析
1
2014
... 吨钢可比能耗是企业每生产1 t粗钢,从炼焦、烧结、炼铁、炼钢直至企业最终钢材配套生产所必需的耗能量及企业燃料加工与运输、机车运输能耗及企业能源亏损所分摊在每吨粗钢上的耗能量之和,不包括钢铁工业企业的采矿、选矿、铁合金、耐火材料制品、碳素制品、煤化工产品及其他产品生产、辅助生产及非生产的能耗.吨钢可比能耗是为了比较企业间能源效率而设置的,其实质是各工序能耗的一种迭加(陈光等,2014;Zhang et al.,2019;许立松等,2021).工序能耗是针对钢铁生产流程的具体生产工序而言,仅反映某一生产工程的能耗水平.本文以中国钢铁工业为研究对象,选择吨钢综合能耗和吨钢可比能耗2个方面展开研究. ...
基于灰色聚类与灰色预测组合模型的矿产资源利用情况分析
2
2017
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
... 虽然过去学者们扩充了灰色预测方法的多样性(邓高等,2017;Zeng et al.,2019;何承香等,2021),同时也探索了灰色模型在能耗预测方面的应用(王江荣等,2020;刘强等,2022;钞寅康等,2023),但是将其运用于钢铁工业生产能耗预测的研究较少,更鲜有不同改进灰色预测模型在钢铁能耗领域的对比研究.本文拟建立DNGM(1,1)、IDGM(1,1)和DDGM(1,1)3种优化灰色预测模型,对吨钢综合能耗和吨钢可比能耗2类数据进行模拟和预测,通过对比分析模型性能,选取适用于钢铁能耗预测的最优模型,以实现对钢铁工业生产能耗的科学预测. ...
灰色动态模型(GM)及在粮食长期预测中的应用
1
1984
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
基于灰色BP神经网络组合模型的水上交通事故数预测
1
2020
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
直接灰色模型
1
1992
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
... 虽然过去学者们扩充了灰色预测方法的多样性(邓高等,2017;Zeng et al.,2019;何承香等,2021),同时也探索了灰色模型在能耗预测方面的应用(王江荣等,2020;刘强等,2022;钞寅康等,2023),但是将其运用于钢铁工业生产能耗预测的研究较少,更鲜有不同改进灰色预测模型在钢铁能耗领域的对比研究.本文拟建立DNGM(1,1)、IDGM(1,1)和DDGM(1,1)3种优化灰色预测模型,对吨钢综合能耗和吨钢可比能耗2类数据进行模拟和预测,通过对比分析模型性能,选取适用于钢铁能耗预测的最优模型,以实现对钢铁工业生产能耗的科学预测. ...
中国钢铁工业生产能耗的发展与现状
2
2021
... 钢铁工业属于能源密集型行业,是能源消耗和CO2排放的主要工业部门之一(Lin et al.,2015),占全球CO2排放的5%~6%(Zhang et al.,2018).我国是全球第一钢铁生产大国,2021年,我国粗钢产量达到10.18亿t,占世界总钢产量的54%(World Steel Association,2023).因此,我国钢铁工业的能耗形势对中国乃至世界工业能耗情况具有极其重要的影响.降低CO2排放的有效方式是控制钢铁工业的能源消耗,中国钢铁工业在保证产量快速增长的同时,在节能降耗方面也取得了显著成效(何坤等,2021).在过去的10多年里,中国采取多项举措限制产能和CO2排放,其中包括关停近2亿t总产能的高能耗、小产能钢铁企业,以及实施产能置换和限制审批制度,这些措施均彰显了政府在环境保护和资源利用方面的坚定决心.目前,产量快速增长的势头下降,发展方向转变为产业结构的调整和升级.在保证钢材供给量充足的情况下,中国钢铁工业需要进一步降低生产能耗.因此,有必要对中国钢铁工业生产能耗现状进行分析和研究,并进一步对能耗数据进行预测,从而把握未来钢铁工业生产能耗的发展趋势,找准节能方向,促进双碳目标的尽早实现. ...
... 虽然过去学者们扩充了灰色预测方法的多样性(邓高等,2017;Zeng et al.,2019;何承香等,2021),同时也探索了灰色模型在能耗预测方面的应用(王江荣等,2020;刘强等,2022;钞寅康等,2023),但是将其运用于钢铁工业生产能耗预测的研究较少,更鲜有不同改进灰色预测模型在钢铁能耗领域的对比研究.本文拟建立DNGM(1,1)、IDGM(1,1)和DDGM(1,1)3种优化灰色预测模型,对吨钢综合能耗和吨钢可比能耗2类数据进行模拟和预测,通过对比分析模型性能,选取适用于钢铁能耗预测的最优模型,以实现对钢铁工业生产能耗的科学预测. ...
... 虽然过去学者们扩充了灰色预测方法的多样性(邓高等,2017;Zeng et al.,2019;何承香等,2021),同时也探索了灰色模型在能耗预测方面的应用(王江荣等,2020;刘强等,2022;钞寅康等,2023),但是将其运用于钢铁工业生产能耗预测的研究较少,更鲜有不同改进灰色预测模型在钢铁能耗领域的对比研究.本文拟建立DNGM(1,1)、IDGM(1,1)和DDGM(1,1)3种优化灰色预测模型,对吨钢综合能耗和吨钢可比能耗2类数据进行模拟和预测,通过对比分析模型性能,选取适用于钢铁能耗预测的最优模型,以实现对钢铁工业生产能耗的科学预测. ...
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
离散GM(1,1)模型与灰色预测模型建模机理
1
2005
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
... 吨钢可比能耗是企业每生产1 t粗钢,从炼焦、烧结、炼铁、炼钢直至企业最终钢材配套生产所必需的耗能量及企业燃料加工与运输、机车运输能耗及企业能源亏损所分摊在每吨粗钢上的耗能量之和,不包括钢铁工业企业的采矿、选矿、铁合金、耐火材料制品、碳素制品、煤化工产品及其他产品生产、辅助生产及非生产的能耗.吨钢可比能耗是为了比较企业间能源效率而设置的,其实质是各工序能耗的一种迭加(陈光等,2014;Zhang et al.,2019;许立松等,2021).工序能耗是针对钢铁生产流程的具体生产工序而言,仅反映某一生产工程的能耗水平.本文以中国钢铁工业为研究对象,选择吨钢综合能耗和吨钢可比能耗2个方面展开研究. ...
灰色预测GM(1,1)模型的改进及应用
1
2011
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
一种强兼容性的灰色通用预测模型及其性质研究
1
2017
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...
... 钢铁能耗数据量相对较小,且钢铁生产系统是一个多因素综合影响的复杂系统,随机性和规律性并存,具有典型的不确定性特征.灰色预测方法能够解决“小样本、不确定性”系统的分析、预测和决策问题(曾波等,2017;Duan et al.,2020;Xie,2022).因此,本文选择灰色预测模型研究钢铁工业生产能耗的预测问题.自邓聚龙(1984)提出灰色预测模型以来,国内外学者对灰色预测模型展开了深入研究和广泛应用(曾波等,2012;周智勇等,2018;Xiong et al.,2021;Guo et al.,2022;Liu et al.,2022).许多学者从改进模型或提出新模型的角度对灰色模型进行探索研究,如冯正元(1992)提出了一种能够直接描述原数列变化特性的灰色模型;谢乃明等(2005)求得灰色预测模型的精确形式,建立了DGM(1,1)模型.还有部分学者在灰色模型优化领域开展了研究,包括利用机器学习等方法优化模型(杨华龙等,2011;王新普等,2016)和建立组合模型,来提高预测精度(邓高等,2017;范中洲等,2020).在应用方面,能源预测是近年来热门的领域,Wang et al.(2018)使用混合ARIMA和非线性新陈代谢灰色模型预测美国页岩气月产量.能源预测研究为政府制定能源政策提供了有益指导.除此之外,研究人员还将灰色预测模型与农业、交通和环保等领域的实际问题相结合,得出了具有实用价值的结论,如:Wang et al.(2011)应用NGBM(1,1)模型对2001—2011年中国31个省份工业废水年合格排放率进行了预测;Intharathirat et al.(2015)采用多变量灰色模型预测发展中国家的城市固体废物量;Zeng et al.(2020)提出NMGM(1,N)模型,并预测了中国粮食产量. ...