球团矿冶金性能预测的SVM改进模型研究

发布时间：2021-02-21 05:21

　　在“化解产能,绿色生产”的时代背景下,钢铁行业面临着严峻的考验。球团矿作为高炉入炉的必备原料,其冶金性能直接影响铁水质量和高炉顺行。故,球团矿入炉前的质检必不可少。但是,质检环节复杂且耗材大。文章从“球团矿微观结构决定其冶金性能,冶金性能反映其微观结构”的角度出发,基于矿相特征,重点研究了一种球团矿冶金性能预测的支持向量机（SVM）改进算法,以提高球团矿冶金性能评价效率。文章主要研究内容有:第一,在透视SVM算法原理的基础上,重点分析了RBF核、多项式核与Sigmoid核3种典型核函数。基于误差最小和算法运行时间最短,制定了SVM核参数选取与核种类复合的改进策略。第二,基于遗传算法理论框架,定义了SVM核参数为个体的解空间、单一核函数的SVM预测准确率和算法运行时间为适应度函数的形式,设计了一种SVM核参数自适应选取算法;构建了一种将RBF核、多项式核和Sigmoid核加权复合的SVM原函数,定义了核种类复合权值为个体的解空间、复合核函数的SVM预测准确率和算法运行时间为适应度函数的形式,设计了一种SVM核种类自适应复合算法;最后,将SVM核参数自适应选取与SVM核种类自适应复合进行了... 

【文章来源】：华北理工大学河北省

【文章页数】：93 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
引言
第1章 绪论
    1.1 SVM简介
    1.2 文献综述
        1.2.1 SVM研究现状
        1.2.2 球团矿质量预测研究现状
        1.2.3 关键问题及创新点
    1.3 研究方案
        1.3.1 研究方法
        1.3.2 章节结构
第2章 理论分析
    2.1 最优分类超平面
        2.1.1 二次规划
        2.1.2 卡罗需-库恩-塔克条件
    2.2 典型支持向量机核函数
    2.3 支持向量机学习算法
        2.3.1 SMO学习算法
        2.3.2 SMO算法的实现
    2.4 本章小结
第3章 SVM算法改进
    3.1 遗传算法
        3.1.1 标准遗传算法
        3.1.2 模式定理
        3.1.3 个体、种群
    3.2 一种SVM核种类自适应复合算法
        3.2.1 SVM核种类复合策略及理论依据
        3.2.2 SVM核种类自适应复合算法设计
    3.3 一种SVM核参数自适应选取算法
        3.3.1 SVM核参数选取策略
        3.3.2 SVM核参数自适应选取算法设计
    3.4 改进的SVM算法
    3.5 本章小结
第4章 基于SVM改进算法的球团矿冶金性能预测
    4.1 预测样本初始样本集构建
        4.1.1 实验过程及数据采集
        4.1.2 初始样本集构建
    4.2 初始样本信息深度挖掘
        4.2.1 矿相纹理特征提取
        4.2.2 矿相颜色特征提取
        4.2.3 矿相分形特征提取
        4.2.4 基于PCA的矿相主特征提取
        4.2.5 精华样本集构建
    4.3 球团矿冶金性能预测
        4.3.1 预测试验设计
        4.3.2 预测效果分析
    4.4 本章小结
结论
参考文献
致谢
导师简介
作者简介
学位论文数据集



本文编号：3043901