基于概念格和改进粒子群算法的铁水硅含量预测模型

发布时间：2018-01-11 01:20

  本文关键词：基于概念格和改进粒子群算法的铁水硅含量预测模型　出处：《冶金能源》2016年06期 　论文类型：期刊论文

  更多相关文章： 硅含量 数据约简 智能优化 特征选择

【摘要】：铁水硅含量是高炉生产过程中的一个非常重要的指标。文章采用概念格作为数据约简工具,对影响硅含量的冗余参数进行约简,同时采用一种基于人工鱼渐变视野的粒子群优化算法(AFIV-PSO),对SVM的相关参数进行优化,提出基于概念格和改进粒子群优化算法的支持向量机预测模型,并将该模型应用于高炉铁水硅含量预测,取得很好效果,同时为高炉炼铁的节能降耗工作提供理论指导。
[Abstract]:Hot metal silicon content is a very important index in blast furnace production. In this paper, concept lattice is used as a data reduction tool to reduce the redundant parameters that affect the silicon content. At the same time, a particle swarm optimization algorithm based on artificial fish gradual field of vision is used to optimize the parameters of SVM. A prediction model of support vector machine based on concept lattice and improved particle swarm optimization algorithm is proposed, and the model is applied to predict the silicon content of hot metal in blast furnace. At the same time, it provides theoretical guidance for energy saving and consumption reduction of blast furnace ironmaking.
【作者单位】： 辽宁科技大学材料与冶金学院;辽宁科技大学软件学院;宝钢发展公司;
【基金】：国家自然科学基金(51474124) 辽宁省教育厅基金(L2014118) 辽宁科技大学科研专项基金(2015TD03)
【分类号】：TP18;TF53
【正文快照】： 铁水硅含量是高炉生产过程中的一个非常重要的指标,它不仅能够衡量高炉产品质量,同时还能够反应高炉内的热状态,因此,实时掌握铁水中的硅含量及其变化的趋势,做出精确预报,对于判断炉温走势,指导炉温调控操作,进而降低焦比和生铁成本,减少炉况的波动,实现节能降耗具有重要意义

【相似文献】

相关期刊论文 前10条

1 石琳;李志玲;崔桂梅;;基于偏最小二乘回归的高炉铁水硅含量模型[J];内蒙古大学学报(自然科学版);2010年04期

2 隋晓红;谢广群;赵宝纯;李昊涵;;硅含量对低碳钢连铸坯凝固组织的影响[J];物理测试;2008年06期

3 周莉英,李家新;梅山3号高炉(1250m~3)铁水硅含量在线预报[J];江苏冶金;2001年02期

4 王炜;余方超;;考虑时滞的铁水硅含量预报模型[J];山东冶金;2006年02期

5 李军明;杨晓江;王书桓;张大勇;;冷轧用SPHC钢硅含量影响因素分析[J];钢铁;2010年07期

6 李界家;杨志宇;曹阳;;铁水硅含量的集成模糊神经网络预测方法[J];计算机与应用化学;2013年10期

7 唐贤伦;庄陵;胡向东;;铁水硅含量的混沌粒子群支持向量机预报方法[J];控制理论与应用;2009年08期

8 刘祥官,王文慧;应用小波分析方法改进铁水硅含量预测[J];钢铁;2005年08期

9 张军红;金永龙;沈峰满;苏小利;;应用优化BP神经网络建立铁水硅含量的预测模型[J];钢铁研究学报;2007年11期

10 王峰;李波;马慧竹;韩志颜;王广忠;;控制SPHC钢硅含量的生产实践[J];炼钢;2012年04期

相关会议论文 前3条

1 崔桂梅;祁鹏;马祥;;基于偏最小二乘回归算法的高炉硅含量预测的研究与应用[A];全国冶金自动化信息网2010年年会论文集[C];2010年

2 李军明;张大勇;杨晓江;孙晓娟;;冷轧用SPHC钢硅含量影响因素分析[A];2009年河北省冶金学会炼钢—连铸技术与学术年会论文集[C];2009年

3 李永彩;赵忠义;王建华;;基于神经网络的高炉硅含量预测系统的开发[A];第七届工业仪表与自动化学术会议论文集[C];2006年

相关重要报纸文章 前1条

1 周竹良 李晓明;硅铁合金中硅含量检测方法比较[N];中国冶金报;2005年

，

本文编号：1407572