基于GA优化LSSVM高炉铁水含硅量预报

• 作者: 屈星 王龙辉 高嵩
• 来源期刊: 太赫兹科学与电子信息学报
• 学科: 工学
• 关键词: 高炉 铁水含硅量 预报 最小二乘支持向量机 遗传算法
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 电磁场与微波
• 页码范围: 641-645
• 页数: 5页
• 分类号: TN911.6
• 字数: 3294字
• 语种: 中文
• DOI: 10.11805/TKYDA201304.0641

摘要

铁水含硅量是表征高炉生铁质量的重要指标，也是反映高炉内部热状态的重要参数。为了提高铁水含硅量测量精确度，保证高炉顺行，提出一种基于最小二乘支持向量机(LSSVM)的铁水含硅量预报模型，采用遗传算法(GA)确定模型参数的优化组合，以改善模型性能。将某钢管厂高炉的实际运行数据经过预处理后作为模型的训练和测试样本，进行模型预报实验，并与神经网络模型和时间序列分析模型的预报性能进行了比较。基于 GA优化参数的 LSSVM模型对铁水含硅量预报的最大相对误差为5.8%，相关系数为0.926375，预报精确度比直接 LSSVM模型提高了2.1%，比前向神经网络模型提高了4.3%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王龙辉	南华大学经济管理学院	6	6	1.0	2.0
2	高嵩	南华大学电气工程学院	31	63	4.0	6.0
3	屈星	南华大学电气工程学院	5	4	1.0	2.0