基于改进即时学习算法的镨/钕元素组分含量预测

摘要：

针对镨/钕(Pr/Nd)萃取过程元素组分含量难以在线实时检测的现状,引入加权相似度准则和局部模型更新策略,提出一种基于改进即时学习算法的稀土元素组分含量快速估计方法.首先,为了保证即时学习算法学习集选取的合理性,充分考虑输入输出变量之间的相关程度,采用互信息加权的相似度准则选择建模邻域,以最小二乘支持向量机(LSSVM)作为即时学习算法的局部模型;其次,依据由相似度阈值更新和数据库更新组成的模型更新策略校正LSSVM局部模型,改善组分含量预测模型的精度和实时性;最后,基于镨/钕萃取现场数据进行仿真对比试验,结果表明所建模型具有精度高、实时性好等优点,适用于稀土萃取生产现场元素组分含量的快速预估.

关键词：即时学习、萃取过程、组分含量、预测、相似度准则、局部模型更新策略

所属期刊栏目：37

资助基金：国家自然科学基金项目;江西省教育厅科技项目

在线出版日期：2020-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1846-1854