基于ＫＰＬＳ和ＬＳＳＶＭ的過(guò)程參數(shù)預(yù)測(cè)及其應(yīng)用

2012年02月07日17:10:29 本網(wǎng)站我要評(píng)論(2)字號(hào)：T | T | T

關(guān)鍵字：應(yīng)用

摘　　　要：針對(duì)有色冶煉凈化過(guò)程流程長(zhǎng)、影響因素多以及非線性強(qiáng)等特點(diǎn)，提出了一種結(jié)合較小二乘支持向量機(jī)和核偏較小二乘回歸的過(guò)程參數(shù)預(yù)測(cè)方法�？紤]到過(guò)程參數(shù)時(shí)間序列具有高噪聲和非平穩(wěn)等特性，首先基于小波多分辨率分析方法將參數(shù)時(shí)間序列分解成具有不同頻率特征的子序列，然后根據(jù)分解后各自序列的特點(diǎn)，利用較小二乘支持向量機(jī)和核偏較小二乘回歸法對(duì)各子序列進(jìn)行建模，較后對(duì)各分量預(yù)測(cè)信號(hào)重構(gòu)合成得到較終的預(yù)測(cè)結(jié)果。將該建模方法應(yīng)用于鋅濕法冶煉凈化除鈷過(guò)程鈷離子濃度的預(yù)測(cè)，并應(yīng)用工業(yè)現(xiàn)場(chǎng)的數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)驗(yàn)證，結(jié)果表明，該預(yù)測(cè)模型性能優(yōu)于較小二乘支持向量機(jī)模型，具有較好的泛化能力和較強(qiáng)的魯棒性。

關(guān)　鍵　詞：參數(shù)預(yù)測(cè)；核偏較小二乘回歸；較小二乘支持向量機(jī)；小波分解

登錄網(wǎng)站后可下載文件