论文题目:高炉炼铁工序入炉焦比预测的研究
作者:岳有军、董安、赵辉、王红君
论文要点
1 研究背景及方法比较
2 研究方法论述
- 灰色关联度分析(GRA)
- 最小二乘支持向量机(LSSVM)
- 粒子群算法(PSO)
- 基于以上三种算法的组合建模
3 结果分析
4 文章小结
1 研究背景及方法比较
目前在高炉入炉焦比模型的研究中,建模方法大致分为两种:
- 传统建模方法:参数回归建模、基于物料平衡的建模等。
缺陷:涉及大量的计算,计算过程依据高炉反应的过程机理,建立的模型复杂、耗时且准确性较差。 - 人工智能方法:BP神经网络模型预测、基于各种组合的神经网络模型等。 缺陷:结构复杂、调节参数多、鲁棒性差,模型预测精度较低。
基于上述研究存在的问题,提出一种优化的人工智能算法来构建预测模型。首先应用灰色关联度分析确定影响高炉入炉焦比的主要因素,再采用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)进行建模,LSSVM调节参数少,收敛速度快,并且损失函数直接定义为误差平方和,将优化中的不等式约束转化为等式约束,由此将二次规划问题转化为线性方程组求解,方便计算。
在用LSSVM建模中,核宽度σ和正则化参数γ的选取直接影