基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在铝热连轧板形控制中,板凸度是铝板带的重要指标之一。为了准确预测铝热连轧板凸度,提出了一种基于人工蜂群(ABC)和最小二乘支持向量机(LSSVM)的板凸度软测量模型。由于 LSSVM 的精度和泛化能力取决于模型参数的选择,故引入 ABC 进行参数优化。根据某厂1+4铝热轧现场采集的数据验证软测量模型的预测性能,并与 GA-LSSVM 模型和 Marquardt 模型做比较,仿真结果表明:建立的 ABC-LSSVM 板凸度软测量模型参数优化速度快、结构简单,并且具有较高精度。
推荐文章
基于KPCA-LSSVM的软测量建模方法
软测量
核主成分分析(KPCA)
最小二乘支持向量机(LSSVM)
特征提取
基于反馈BP网络的铝热连轧板凸度预报建模
铝热连轧机
板凸度
延时反馈BP网络
LM算法
时间序列预报
基于ABC-LSSVM的弃风电量预测
弃风电量
人工蜂群
最小二乘支持向量机
预测
基于SVM的软测量建模
支持向量机(SVMs)
软测量
RBF神经网络
建模
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于 ABC-LSSVM 的铝热连轧板凸度软测量建模
来源期刊 计量学报 学科 工学
关键词 计量学 板凸度 软测量 人工蜂群 最小二乘支持向量
年,卷(期) 2014,(4) 所属期刊栏目
研究方向 页码范围 323-326
页数 4页 分类号 TB921
字数 2402字 语种 中文
DOI 10.3969/j.issn.1000-1158.2014.04.04
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨景明 105 610 14.0 18.0
3 赵新秋 33 131 6.0 9.0
9 车海军 11 47 3.0 6.0
10 刘正亮 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (25)
参考文献  (11)
节点文献
引证文献  (3)
同被引文献  (11)
二级引证文献  (6)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
计量学
板凸度
软测量
人工蜂群
最小二乘支持向量
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计量学报
月刊
1000-1158
11-1864/TB
大16开
北京1413信箱
2-798
1980
chi
出版文献量(篇)
3549
总下载数(次)
8
总被引数(次)
20173
论文1v1指导