基于改进即时学习算法的湿法冶金浸出过程建模

• 作者: 刘元清 牛大鹏
• 来源期刊: 化工学报
• 关键词: 湿法冶金 浸出过程 即时学习算法 最小二乘支持向量机 时间有序性 累计相似因子
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 过程系统工程
• 页码范围: 2873-2879
• 页数: 7页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20161803

摘要

针对湿法冶金浸出过程中存在的多变量、非线性和多工况等问题,采用基于即时学习算法的最小二乘支持向量机建立浸出率的预测模型.将时间有序性引入到即时学习算法学习集的选取规则中以确定系统当前工作点的建模邻域,从而提高模型精度;引入累计相似因子以提高所建模型的实时性,并利用自适应相似度阈值来判定是否需要重新建立当前工作点的局部模型.将改进的建模方法应用到湿法冶金浸出过程浸出率的预测中,仿真结果表明,所建模型具有较高的精度和实时性,可用于湿法冶金工业生产过程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛大鹏	东北大学信息科学与工程学院	12	59	4.0	7.0
2	刘元清	东北大学信息科学与工程学院	1	9	1.0	1.0