基于支持向量机的烧结能耗及性能指标预测模型

摘要：

针对烧结过程中能耗和性能指标预测方法精度不高、训练时间长的问题,首先,在总结当前预测建模方法的基础上,将回归型支持向量机(support vector machine for regression,SVR)引入烧结生产系统,分析了2种建模模式;然后,给出基于SVR预测建模一般流程;最后,以某大型钢铁企业为例进行验证,并与传统的多元线性回归、反向传播(back propagation,BP)神经网络、径向基函数(radical basis function,RBF)网络和极限学习机(extreme learning machine,ELM)等预测方法在相同模式内和不同模式间进行比较.结果表明,SVR方法可快速获得理想的预测结果,在预测精度和时间效率上具有优势.

关键词：烧结、能耗、性能指标、预测模型、回归型支持向量机

所属期刊栏目：42

分类号：TP274(自动化技术及设备)

资助基金：国家自然科学基金61273046,61034004;安徽省钢铁产业技术创新规划研究09020203014

在线出版日期：2014-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1256-1260