基于支持向量机的烧结能耗及性能指标预测模型

• 作者: 乔非 倪嘉呈 王俊凯 祝军
• 来源期刊: 同济大学学报（自然科学版）
• 学科: 工学
• 关键词: 烧结 能耗 性能指标 预测模型 回归型支持向量机
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 电子、计算机、控制与系统
• 页码范围: 1256-1260
• 页数: 5页
• 分类号: TP274
• 字数: 3721字
• 语种: 中文
• DOI: 10.3969/j.issn.0253-374x.2014.08.018

摘要

针对烧结过程中能耗和性能指标预测方法精度不高、训练时间长的问题,首先,在总结当前预测建模方法的基础上,将回归型支持向量机(support vector machine for regression,SVR)引入烧结生产系统,分析了2种建模模式;然后,给出基于SVR预测建模一般流程;最后,以某大型钢铁企业为例进行验证,并与传统的多元线性回归、反向传播(back propagation,BP)神经网络、径向基函数(radical basis function,RBF)网络和极限学习机(extreme learning machine,ELM)等预测方法在相同模式内和不同模式间进行比较.结果表明,SVR方法可快速获得理想的预测结果,在预测精度和时间效率上具有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔非	同济大学电子与信息工程学院	46	525	12.0	22.0
2	祝军	同济大学电子与信息工程学院	15	55	5.0	6.0
3	王俊凯	同济大学电子与信息工程学院	6	12	2.0	3.0
4	倪嘉呈	同济大学电子与信息工程学院	3	10	2.0	3.0