基于ＫＰＬＳ和ＬＳＳＶＭ的过程参数预测及其应用

2012年02月07日17:10:29 本网站我要评论(2)字号：T | T | T

关键字：应用

摘　　　要：针对有色冶炼净化过程流程长、影响因素多以及非线性强等特点，提出了一种结合较小二乘支持向量机和核偏较小二乘回归的过程参数预测方法。考虑到过程参数时间序列具有高噪声和非平稳等特性，首先基于小波多分辨率分析方法将参数时间序列分解成具有不同频率特征的子序列，然后根据分解后各自序列的特点，利用较小二乘支持向量机和核偏较小二乘回归法对各子序列进行建模，较后对各分量预测信号重构合成得到较终的预测结果。将该建模方法应用于锌湿法冶炼净化除钴过程钴离子浓度的预测，并应用工业现场的数据进行了实验验证，结果表明，该预测模型性能优于较小二乘支持向量机模型，具有较好的泛化能力和较强的鲁棒性。

关　键　词：参数预测；核偏较小二乘回归；较小二乘支持向量机；小波分解

登录网站后可下载文件

基于ＫＰＬＳ和ＬＳＳＶＭ 的过程参数预测及其应用

相关阅读:

基于ＫＰＬＳ和ＬＳＳＶＭ的过程参数预测及其应用