基于优化核极限学习机的铝电解电流效率预测

发布时间：2022-12-05 22:04

　　电流效率作为铝电解过程的重要参数,获得实时准确的测量结果对实现过程的有效控制至关重要。基于数据挖掘的思想,提出基于优化核极限学习机（KELM）的铝电解电流效率预测模型。通过分析铝电解机理,获得影响电流效率的过程参数,采用核主元分析法对试验数据进行降维,并用聚类算法剔除数据异常点,建立基于KELM的铝电解电流效率模型。使用鲸鱼优化算法与模拟退火的混合算法（WOASA）优化KELM模型的关键参数,从而提高模型的精度和泛化能力。通过实际生产数据进行仿真试验,将本文的方法与原始KELM、PSO-KELM、GWO-KELM、CGWO-KELM算法进行对比,结果证明了该预测模型的有效性,可以实现铝电解过程电流效率的准确预测。 

【文章页数】：6 页

【文章目录】：
1 模型数据准备
    1.1 数据降维
    1.2 离群点剔除
    1.3 模型精度指标
2 电流效率预测模型
    2.1 电流效率预测模型建立
    2.2 WOASA优化KELM
3 仿真结果分析
    3.1 数据处理对模型影响分析
    3.2 WOASA-KELM模型验证
4 结束语


【参考文献】：
期刊论文
[1]人工智能在过程工业绿色制造中的机遇与挑战[J]. 毛帅,王冰,唐漾,钱锋.  Engineering. 2019(06)
[2]基于强化模糊认知图实现数据与知识协作的氟化铝添加量决策方法[J]. 岳伟超,桂卫华,陈晓方,曾朝晖,谢永芳.  Engineering. 2019(06)
[3]铝电解生产智能优化制造研究综述[J]. 桂卫华,岳伟超,谢永芳,张红亮,阳春华.  自动化学报. 2018(11)
[4]自动化科学与技术发展方向[J]. 柴天佑.  自动化学报. 2018(11)
[5]基于优化核极限学习机的中期电力负荷预测[J]. 任瑞琪,李军.  测控技术. 2018(06)
[6]基于DBSCAN算法的城轨车站乘客聚集特征分析[J]. 李晓璐,于昕明,郗艳红,杨晨光,张溪,张彭,朱广宇.  控制与决策. 2019(01)
[7]低分子比铝电解生产对电流效率的影响[J]. 陈善永,陈建军.  中国有色金属. 2017(S1)
[8]铝电解槽瞬时电流效率测试方法研究[J]. 曹永峰,周云峰,侯光辉,罗丽芬,王俊伟,刘卓.  轻金属. 2017(05)
[9]铝电解过程电流效率智能集成预测模型[J]. 孔磊,王卓,王紫千,刘钊.  控制工程. 2015(04)
[10]基于数据融合的铝电解电流效率因素最佳匹配[J]. 孔磊,王卓.  计算机仿真. 2015(05)



本文编号：3710437