|
|||||
|
|
| 小样本贫信息条件下高炉冶炼烧结终点组合预测法 | |
| 引用本文： | 王爱民,宋强,李华,张运素,徐蕾.小样本贫信息条件下高炉冶炼烧结终点组合预测法[J].Canadian Metallurgical Quarterly,2011,34(5). |
| 作者姓名： | 王爱民 宋强 李华 张运素 徐蕾 |
| 作者单位： | 1. 武汉理工大学,计算机学院,湖北,武汉,430070;安阳师范学院,计算机信息与工程学院,河南,安阳,455002 2. 安阳工学院,机械工程学院,河南,安阳,455000 3. 安阳钢铁集团公司,河南,安阳,455004 |
| 基金项目： | 国家自然科学基金，河南省重大科技攻关项目 |
| 摘 要： | 由于烧结过程具有不确定性、多变量耦合、时变时滞的特点,并且烧结终点受多种因素的影响,采用传统控制方法难以将烧结终点控制在要求的范围内,提出应用支持向量机优良的时序预测性能,以及贝叶斯理论能够利用样本信息和先验知识来简化预测模型和优化参数的特性,建立了贝叶斯支持向量机烧结终点的预报模型.首先对烧结终点的机理分析,后分别叙述贝叶斯框架理论和LS-SVM算法,并将贝叶斯证据框架应用于最小二乘支持向量机模型参数的自动选择,建立起时间序列的烧结终点非线性预测模型.在贝叶斯推断的第一层,进行模型参数的选择;在贝叶斯推断的第二层,进行模型超参数的选择;在贝叶斯推断的第三层,估计模型核参数,然后利用贝叶斯最小二乘支持向量机算法(LS-SVM)对烧结终点进行预测,并在此基础上构造了烧结终点的贝叶斯最小二乘支持向量机模型.仿真结果和多种模型比较表明,本模型能在小样本贫信息条件下对烧结终点做出比较准确的预测,并具有预测精度高、所需样本少、计算简便等优点,取得了令人满意的结果. |
| 关 键 词： | 贝叶斯理论 LS-SVM 烧结终点 预测 |
Combination forecasting method of BTP in blast furnace under the conditions of small samples and poor information |
|
| WANG Ai-min,SONG Qiang,LI Hua,ZHANG Yun-su,XU Lei.Combination forecasting method of BTP in blast furnace under the conditions of small samples and poor information[J].Canadian Metallurgical Quarterly,2011,34(5). | |
| Authors: | WANG Ai-min SONG Qiang LI Hua ZHANG Yun-su XU Lei |
| Abstract: | |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ | |
