基于支持向量机算法的连铸漏钢预报模型研究

• 作者: 安领军 尹少峰 张瑞忠 李强 李珊 王葛
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 漏钢预报 支持向量机 遗传算法 粒子群算法
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 机械工程
• 页码范围: 22-29
• 页数: 8页
• 分类号: TF345
• 字数: 6038字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-791X.2015.01.004

摘要

漏钢预报系统的性能往往取决于其算法模型的性能,支持向量机(SVM)算法在解决小样本、非线性及高维模式识别中具有许多特有优势,能够避免神经网络隐含层节点选择及局部极小值等问题,而不同的SVM算法参数往往会对其性能产生显著影响.为此,本文利用GS网格搜索法、PSO粒子群算法和GA遗传算法对SVM支持向量机的算法参数进行了优化,并将优化后的SVM支持向量机算法应用到连铸漏钢预报系统中;利用某钢厂CSP连铸生产线的历史生产数据对各优化后的SVM支持向量机算法进行了训练和测试.测试结果表明,用GA遗传算法优化后的SVM支持向量机算法测试效果较好,得到了98.33％的预报率和100％的报出率,从而验证了基于SVM支持向量机漏钢预报系统的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李强	燕山大学国家冷轧板带装备及工艺工程技术研究中心	57	301	10.0	14.0
5	王葛	燕山大学国家冷轧板带装备及工艺工程技术研究中心	29	198	8.0	13.0
6	李珊	燕山大学国家冷轧板带装备及工艺工程技术研究中心	5	33	3.0	5.0
7	尹少峰	燕山大学国家冷轧板带装备及工艺工程技术研究中心	1	4	1.0	1.0
8	张瑞忠		6	12	2.0	3.0
9	安领军		7	19	3.0	4.0