基于LS-SVM的烧结矿碱度预报研究

钢铁研究, 2008, 36(6): 10-13.

1.安阳工学院,机械工程系,河南,安阳,455000

2.安阳钢铁(集团)公司,烧结厂,河南,安阳,455004

3.安阳钢铁(集团)公司,烧结厂,河南,安阳,455004

4.安阳钢铁(集团)公司,烧结厂,河南,安阳,455004

基金项目: 河南省教育厅自然科学基金(200612001)

Prediction of sinter basicity based on a least square support vector model

开发了最小二乘支持向量机(LS-SVM)模型,并用于对烧结矿碱度进行预测.仿真结果证明,本模型能在小样本贫信息的条件下对烧结矿碱度做出比较准确的预测.此种模型具有预测精度高、所需样本少、计算简便等优点.和BP神经网络算法相比,最小二乘支持向量机算法有很好的应用前景和推广价值.

[1]	Cortes C;Vapnik V .Support vector machine[J].Machine Learning,1995,20(03):273-297.
[2]	王勇,刘吉臻,刘向杰,谭文.基于最小二乘支持向量机的软测量建模及在电厂烟气含氧量测量中的应用[J].微计算机信息,2006(28):241-243,290.

上一张下一张

计量

作者相关

文章评分