LIBSVM回归算法在焦炭强度预测中的应用

• 作者: 张代林 张小勇 王帅
• 来源期刊: 钢铁
• 关键词: 焦炭强度 预测 支持向量机 遗传算法 参数寻优
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 原料与炼铁
• 页码范围: 14-21
• 页数: 8页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn0449-749x.20180144

摘要

随着高炉大型化和富氧喷吹技术的发展,焦炭在高炉中的骨架作用变得日益重要,建立一种适用性好、准确度高的焦炭强度预测方法对钢铁企业具有重要意义.支持向量机是一种基于统计学理论发展而来的机器学习方法,它在解决小样本、非线性和高维识别中表现出许多特有的优势.采用基于遗传算法参数寻优的支持向量机方法预测焦炭的冷态强度和热性质,通过对比2因素和5因素的预测结果的偏差大小,得知在用支持向量机方法进行建模时,若在配合煤的挥发分Vdaf和黏结指数G的基础上加入配合煤灰分Ad、细度以及焦炉平均温度这3个指标,则能得到更接近实际值的预测结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张代林	安徽工业大学煤洁净转化与综合利用安徽省重点实验室	55	393	12.0	16.0
2	王帅	安徽工业大学煤洁净转化与综合利用安徽省重点实验室	10	14	2.0	3.0
3	张小勇	安徽工业大学煤洁净转化与综合利用安徽省重点实验室	30	70	4.0	5.0