基于支持向量机的铁水硅含量的预测

为了准确预测高炉炼铁过程的硅含量,分析了高炉工艺参数对高炉铁水硅含量的时序性影响,以支持向量机理论为基础构建了2类铁水硅含量预测模型,即硅含量模型和硅变化量模型。利用首钢迁钢3号高炉铁水硅含量数据进行模型测试,测试结果表明2类模型预测命中率均可达到80%。     

基于支持向量机的农村劳动力转移预测

分析目前影响农村劳动力转移的主要因素,运用支持向量机理论将农村劳动力转移的主要影响因素作为量化指标,从农村经济持续发展的角度,结合<宁夏统计年鉴>1990～2002年数据,建立基于支持向量机的农村劳动力转移预测模型.对预测结果和精度进行分析,验证了该方法的有效性.     

基于支持向量机的连铸板坯表面温度预测

提出了一种最小二乘支持向量机的连铸板坯表面温度预测新模型.以中间罐温度、拉速、二冷水量等主要工艺因素为输入,连铸坯表面温度为输出,通过最小二乘支持向量机模型拟合输入与输出之间的复杂非线性函数关系.以现场采集的连铸生产工艺数据为样本对模型进行学习训练,用训练好的模型预测在一定工艺条件下板坯的表面温度.实践表明该方法具有建模速度快、预测精度高、操作简便等优点,不仅克服了常规的BP预测模型的不足,而且性能优于标准支持向量机预测模型.     

支持向量机改进及其在钢材质量管理建模中的应用研究

针对支持向量机参数难以选择的问题,提出了基于差分进化算法（DE）的参数选择方法,算例分析结果表明DE算法选择SVM参数有着迭代次数少、结果稳定的优点,能够很好的解决SVM的参数选择问题。随后将基于DE算法选择参数的支持向量机应用于一个钢材质量管理的建模实例中,并将其与神经网络建模方式所得结果相比较,结果表明经改进的支持向量机的预测性能更加优秀。     

基于孪生支持向量回归机的转炉炼钢终点预测

为了提高转炉炼钢的终点命中率,建立了一种新的转炉终点预测模型,实现了对转炉终点碳质量分数和温度的准确预测。模型采用K最近邻孪生支持向量机(KNNWTSVR)算法,将权重矩阵引入到目标函数中,并利用鲸群优化算法进行求解,提高了传统算法的性能;然后基于某炼钢厂260 t转炉的实际生产数据,建立了转炉炼钢终点预测模型。结果表明,预测模型的终点碳质量分数(误差±0.005%)和温度(误差±15 ℃)的终点单命中率分别为94%和88%,双命中率达到84%。与其他两种现有的建模方法相比,本模型取得了最优的预测效果。该方法满足转炉炼钢实际生产的需求,也可适用于钢铁冶金其他领域的数学建模。     

隧洞岩体质量分级的支持向量机方法

将支持向量机应用于岩体质量等级分类中,采用工程中适用性强的指标如岩石质量指标、完整性系数、单轴饱和抗压强度及结构面摩擦因数,作为判别因素.选用径向基核函数进行训练,通过交叉验证确定最佳模型参数,建立了岩体质量分级模型.该模型采用成对分类方法构建多类分类模型,与已有文献采用一对多分类法构建支持向量机多类分类模型相比,不可分区域减少很多,即模型分类精度提高显著.将该模型应用于工程实例,结果表明预测结果与工程勘测结果完全吻合,证明了支持向量机岩体质量分级方法的有效性.     

基于灰狼优化支持向量机回归与SHAP值的锡冶炼能耗预测

锡冶炼过程综合能源消耗占整个锡生产过程90%,存在很大节能潜力。针对锡冶炼过程综合能耗机理模型难以建立、导致预测准确度不高的问题,提出灰狼优化的支持向量机回归(GWO-SVR)模型用于锡冶炼过程综合能耗的预测,并以某锡冶炼厂为例,将所提模型与SVR、RF(随机森林)、BP(反向传播神经网络)、LR(线性回归)模型进行比较。结果表明,GWO-SVR模型可获得最理想的预测结果,在预测精度上相比于其他机器学习算法有着巨大优势。此外,使用SHAP值从全局解释和单样本解释两个方面解释所建立的GWO-SVR模型,可视化特征对输出的贡献,增加了GWO-SVR的可解释性,并以此制定可靠的节能策略。     

基于核主成分分析与最小二乘支持向量机结合处理时间序列预测问题

探讨了最小二乘支持向量机时间序列预测的方法,提出了用核主成分分析提取主元,然后用最小二乘支持向量机进行预测．通过实验表明,这种方法得到的效果优于没有特征提取的预测．同时与主成分分析提取特征相比,用核主成分分析效果更好．     

基于支持向量机的高炉煤气利用率预测建模

煤气利用率是反映高炉能耗和平稳运行的重要指标。为了实现对高炉煤气利用率的准确预测,首先依据最大信息系数选择合适的输入参数,分别选取次于该状态参数时刻1 和2 h后的煤气利用率作为输出参数,并在建模之前对数据进行标准化处理。在此基础上建立基于支持向量回归(SVR)的高炉煤气利用率预测模型,并利用高炉的部分生产数据将该模型的预测结果与多层感知器(MLP)模型进行对比。最终预测结果表明,SVR模型在预测1和2 h后的煤气利用率时精确度更高,达到了更好的预测效果。     

基于支持向量机的边坡稳定性预测

为准确快速地对边坡进行稳定性分析,提出基于支持向量机(Support vector machine SVM)的稀土矿开采边坡的SVM预测模型,结合42个稀土矿开采边坡实际案例,并分别采用网格寻优算法、遗传算法(Genetic algorithm GA)、粒子群算法(Particle swarm optimization...     

基于优化支持向量机的非线性时变灌浆过程建模

通过利用灌浆过程中的监测数据建立灌浆过程的数学模型,解决机理模型或参数辨识模型不能很好地适应地层和裂隙变化的问题.首先以灌浆管道中流体为对象,依据压力平衡和质量守恒定律来定性分析参数的影响关系,提取孔口压力与注入流量作为反映灌浆过程变化的主要特征参量;然后描述支持向量机建模的基本原理,并研究模型参数优化求取方法,提出嵌套式优化算法求取支持向量,提高建模的速度;最后针对实际工程注入灌浆数据仿真建模.研究结果表明,此方法与实际工程数据吻合较好,本次建模统计出错率不超过为7%.     

基于支持向量机回归的精轧带钢调平预测模型

采用支持向量机算法建立了精轧部分带钢跑偏调平的预测模型。在精轧部分针对粗轧来料头部的跑偏进行控制,预测结果与筛选得到的优秀调平样本趋势基本一致。同时为了评估和分析SVM模型的性能,采用均方误差MSE以及相关系数r作为预测模型性能的评价指标。结果表明,基于支持向量机的预测模型具有较好的效果。     

基于支持向量机的低压故障电弧识别方法

故障电弧是引发电气火灾事故的主要原因之一。本文将支持向量机引入故障电弧研究领域,进行不同负荷情况下的故障电弧识别检测。首先参照美国ULl699标准进行实验采集电流数据,然后利用支持向量机实现故障电弧的训练、检测识别,并对训练、识别结果进行了分析,实验证明本文的检测方法具备一定的泛化能力。     

基于支持向量机的围岩定性智能分级研究

本文将数据挖掘的新方法支持向量机应用于隧道围岩分级.支持向量机是一种基于统计学习理论的新的学习算法,比神经网络算法能更好地解决小样本问题.选用岩层厚度、岩体结构、嵌合程度、风化程度、地下水特征、节理发育程度、榔头敲击声和地应力等 8 个定性指标作为评判因子,用泥巴山隧道采集的实际数据作为样本对不同核函数的支持向量机进行训练,并得到评判因子与围岩级别的映射关系,从而可以对未知的围岩样本进行级别判别.判别结果表明:采用多项式核的支持向量机对围岩级别进行判别有较高的准确率,是一种值得推广和应用的围岩智能分级方法.     

基于支持向量机的高炉向凉、向热炉况预测

高炉冶炼过程中炉温是影响技术经济指标的关键参数,保持合理的炉温是高炉稳定顺行的关键因素。采用某炼铁厂在线采集的数据,通过核主元分析对建模数据进行预处理,根据相关系数选定模型参数,确定参数对炉温的滞后时间,基于支持向量机建立了高炉向凉、向热预测诊断模型。通过实例验证,该模型具有很高的精度。     

一种基于聚类的支持向量机增量学习算法

提出了一种基于聚类的支持向量机增量学习算法.先用最近邻聚类算法将训练集分成具有若干个聚类子集,每一子集用支持向量机进行训练得出支持向量集;对于新增数据首先聚类到相应的子集,然后计算其与聚类集内的支持向量之间的距离,给每个训练样本赋以适当的权重;而后再建立预估模型.此算法通过钢材力学性能预报建模的工业实例研究,结果表明:与标准的支持向量回归算法相比,此算法在建模过程中不仅支持向量个数明显减少,而且模型的精度也有所提高.     

基于样条函数的光滑支持向量机模型

应用光滑函数改进支持向量机模型,得到无约束条件、可微的二次规划问题,从而可以采用快速的最优化算法求解光滑支持向量机模型.提出了一种广义三弯矩方法,用这个方法构造出新的五次样条光滑函数和七次样条光滑函数.证明了上述两个样条光滑函数的逼近精度均高于已有的各种光滑函数;基于上述两个样条函数的光滑支持向量机模型的收敛精度也高于已有的各种光滑支持向量机模型.     

基于时序趋势特征的回转窑喂煤SVM分类方法

提出一种基于时序趋势特征的回转窑喂煤支持向量机（SVM）分类方法,根据回转窑多个热工数据之间的动态变化规律预测喂煤变化趋势,指导人工喂煤调节的操作。首先对回转窑热工数据进行预处理,将喂煤时间序列分段线性表示,并提取相应趋势特征,形成训练样本;然后采用粒子群（PSO）算法优化SVM参数,构建SVM分类器,进而对测试样本进行分类,实现对喂煤趋势的分类预测。通过采用现场数据进行对比分析,证明本文提出的喂煤趋势预测方法具有较高的预测准确率,提高了窑前控制的鲁棒性,模型达到了现场应用的水平。     

基于支持向量机灵敏度的轧制过程模型仿真

为了获得轧制过程的仿真模型,本文利用支持向量机建立轧制力模型,并将所建立的轧制力模型分别对各输入变量进行偏微分,从而进行轧制过程出口厚度灵敏度系数计算,使轧制模型简化,可以解决解析方法难以求解的轧制过程"代数环"问题,有利于在线监控.模型仿真表明基于灵敏度的轧制厚度模型与解析模型对比,具有很高的精度,可以有效、准确地分析在干扰因素作用下各变量的变化情况.     

基于支持向量机起重机载荷谱获取方法的研究

采用支持向量机的非线性回归理论,建立相应类型桥式起重机工作循环次数与不同额定起升载荷和起升载荷之间的非线性映射关系——构建出桥式起重机的当量载荷谱,并利用可视化程序设计语言VC++6.0编制了起重机载荷谱获取与预测的应用软件。经工程实例验证:使用本软件构建相应类型桥式起重机的当量载荷谱是可行的,同时为起重机疲劳寿命评估软件的编制奠定基础。