高炉炼铁工序入炉焦比预测的研究

发布时间：2019-07-16 13:39

【摘要】：入炉焦比是高炉生产过程中的一个重要技术经济指标。由于高炉内物理化学反应的复杂性以及冶炼过程受许多非线性因素影响的问题,预测精度普遍不高。为了提高入炉焦比预测的精度,采用灰色关联度分析和粒子群算法优化最小二乘支持向量机的预测方法。应用灰色关联度分析理论确定影响入炉焦比的主要因素,采用粒子群算法对最小二乘支持向量机的核宽度和正则化参数进行优化,最后用优化后的最小二乘支持向量机模型进行预测。仿真结果表明,改进方法具有更高的预测精度,为炼铁工序入炉焦比预测提供了一种有效的新方法。
文内图片：

图片说明：区间分别为（0．邋１，１０００），（ｏ．ｏｉ，５０００），ＰＳＯ算法的群体规逡逑ｐｓｏ算法部分逦ｌｓｓｖｍ部分逦模选为４０，进化代数设为３００代。学习因子ｃｌ邋＝１．５、ｃ２邋＝逡逑初始化粒子群——逦丨~&》＿邋｜逦１．７。经过粒子群算法训练后ＬＳＳＶＭ的最佳参数为＜ｒ邋＝逡逑丨邋１丨一，丨逦２．邋６１７９、７＝邋３０７１．７９６４，迭代寻优曲线见图３。逡逑ＬＳＳＶＭ训练得到逦————逡逑，筇懿＊逦Ｌ逡逑———＊逦和惩罚系数飞逦ｉ５ｌ．ＶＶｉ邋ｉ！ｌｉ；ＵＭＳＥｌＰＳＯｍｅｔｈｏｄ］逡逑￣ｎ逦邋逦＾逦（衫ｔｔｃ１？１．５．ｃ２＝１．７？终邋ｉｌ邋ｆ、ｉ々《３０ＣＭｉＮＴ故…Ｐ0Ｐ？４０）逡逑Ｉ邋记录每个粒子的适应逦Ｂｅｓｔ邋ｃｒ＝Ｚ６１７９邋Ｂｅｓｔ邋ｙ＝３０７１．７９６４邋ＣＶｍｓｅ＝０．００１８９６逡逑ｗｒＴ逡逑Ｉ更新每个子的适应Ｉ逦—Ｉ逦篇０．０８[xｉ逦Ｉ逦ｊ逦逦ｉ逦Ｉ逦＊Ｉ逡逑度值及Ｐｂｅｓｔ和Ｇｂｅｓ丨逦■邋ｌ逦婶邋？逡逑Ｔ；逦仿真预测逦ａ0６…邋刀逦逦：逦｜逦！－…＂…－？］逡逑ｍｍＳｍ逦０Ｍ……逡逑０．０２逦…？？卜邋逦ｊ逦ｊ邋邋－ｊ——－——｜逦—？｛逡逑图邋２邋ＰＳＯ邋优化邋ＬＳＳＶＭ邋算法流程图逦０0邋ｓｏ邋ｉｏｏ邋１５0逦２００逦２５０逦３００逡逑进代代数逡逑ｘ＼邋＝邋２邋ｘ逦＋邋（－ｌ），（ｔ邋＝邋ｌ，２，３，－，８）邋（１４）逦图３邋适应度曲线逡逑＾ｊ＇ｍａｘ邋＾ｉｍｉｎ逡逑其中为归一化后的影响因素数列，范围在［－１，１］之间，４．２训练集训练模型逡逑＼为归一化前的影响因素数列，＊—为归一化前影响因素数逦根据ＰＳ０算法寻
文内图片：

图片说明：区间分别为（0．邋１，１０００），（ｏ．ｏｉ，５０００），ＰＳＯ算法的群体规逡逑ｐｓｏ算法部分逦ｌｓｓｖｍ部分逦模选为４０，进化代数设为３００代。学习因子ｃｌ邋＝１．５、ｃ２邋＝逡逑初始化粒子群——逦丨~&》＿邋｜逦１．７。经过粒子群算法训练后ＬＳＳＶＭ的最佳参数为＜ｒ邋＝逡逑丨邋１丨一，丨逦２．邋６１７９、７＝邋３０７１．７９６４，迭代寻优曲线见图３。逡逑ＬＳＳＶＭ训练得到逦————逡逑，筇懿＊逦Ｌ逡逑———＊逦和惩罚系数飞逦ｉ５ｌ．ＶＶｉ邋ｉ！ｌｉ；ＵＭＳＥｌＰＳＯｍｅｔｈｏｄ］逡逑￣ｎ逦邋逦＾逦（衫ｔｔｃ１？１．５．ｃ２＝１．７？终邋ｉｌ邋ｆ、ｉ々《３０ＣＭｉＮＴ故…Ｐ0Ｐ？４０）逡逑Ｉ邋记录每个粒子的适应逦Ｂｅｓｔ邋ｃｒ＝Ｚ６１７９邋Ｂｅｓｔ邋ｙ＝３０７１．７９６４邋ＣＶｍｓｅ＝０．００１８９６逡逑ｗｒＴ逡逑Ｉ更新每个子的适应Ｉ逦—Ｉ逦篇０．０８[xｉ逦Ｉ逦ｊ逦逦ｉ逦Ｉ逦＊Ｉ逡逑度值及Ｐｂｅｓｔ和Ｇｂｅｓ丨逦■邋ｌ逦婶邋？逡逑Ｔ；逦仿真预测逦ａ0６…邋刀逦逦：逦｜逦！－…＂…－？］逡逑ｍｍＳｍ逦０Ｍ……逡逑０．０２逦…？？卜邋逦ｊ逦ｊ邋邋－ｊ——－——｜逦—？｛逡逑图邋２邋ＰＳＯ邋优化邋ＬＳＳＶＭ邋算法流程图逦０0邋ｓｏ邋ｉｏｏ邋１５0逦２００逦２５０逦３００逡逑进代代数逡逑ｘ＼邋＝邋２邋ｘ逦＋邋（－ｌ），（ｔ邋＝邋ｌ，，２，３，－，８）邋（１４）逦图３邋适应度曲线逡逑＾ｊ＇ｍａｘ邋＾ｉｍｉｎ逡逑其中为归一化后的影响因素数列，范围在［－１，１］之间，４．２训练集训练模型逡逑＼为归一化前的影响因素数列，＊—为归一化前影响因素数逦根据ＰＳ０算法寻
【作者单位】：天津理工大学天津市复杂系统控制理论与应用重点实验室;天津农学院;
【基金】：天津市科技支撑计划重点项目(2013ZCZDGX03800)
【分类号】：TF53;TP18

【相似文献】