钢铁企业高炉煤气作为重要的副产物之一,其回收利用率影响着生产的成本和环境污染程度。冶金生产中的生产状态和工况不是一成不变而是随时在改变,因此高炉煤气产生量会有较大波动。生产中的煤气过剩或者煤气紧缺现象很容易导致设备熄火进而影响用户生产,也会带来很大的安全隐患。煤气产生量大于煤气调度量会导致BFG放散到大气中,势必对环境造成污染。煤气产生量小于煤气调度量会导致用户生产能源不足。针对钢铁企业实际生产作业所采集到的非平稳非线性的数据构建一种基于数据挖掘方法的CNN-GRU预测模型。首先对原始数据进行关联度分析,通过改进的T型关联度方法找到高炉煤气受入量的主要影响因素,再通过改进的EMD算法对数据滤波,最后建立了CNN-GRU组合模型,该模型使用模仿词向量方法,将海量的时间信息、温度数据和压力数据等信息串联成一个向量作为输入,采用CNN对输入进行特征提取,将得到的特征向量构造为时间序列,并作为输入数据给GRU网络进行高炉煤气产生量预测。组合模型、GRU模型和BP模型的均方根误差分别为542.42、583.37、707.63,通过结果分析可知所提出的方法和传统的BP模型和GRU网络预测模型比较具有更高的预测精度和更快的预测速度。为钢铁企业能源管理调度提供了较为有效的方法。图29幅;表5个;参59篇。