基于灰狼算法SVR的烧结矿FeO含量预测

• 作者: 史振杰 孙立辉 武晓婧 董兆伟
• 来源期刊: 河北省科学院学报
• 关键词: 烧结矿 FeO GWO-SVR 预测
• 年，卷（期）: 2019,（4）
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP301
• 语种: 中文

摘要

烧结是高炉炼铁的重要环节之一,其中烧结矿FeO的含量对高炉的使用寿命,烧结的原料成本都有重要影响.为了提高烧结矿FeO预测的准确度,提出了一种基于灰狼算法支持向量机回归(GWO-SVR)的烧结矿FeO含量预测模型,利用原料使用数据对烧结矿中FeO含量进行预测,为烧结过程提供理论依据.将98个原料样本数据和烧结矿FeO含量数据进行预处理,选取79个样本作为训练集,19个样本作为测试集,分别建立烧结矿FeO支持向量回归模型(SVR),GA-SVR模型,PSO-SVR模型和GWO-SVR模型,采用决定系数(R2),均方误差(MSE)和绝对平均误差(MAPE)作为模型的对比标准.结果表明,GWO-SVR算法预测精度高、误差小,耗时较短,使用灰狼算法优化支持向量机回归对烧结矿FeO含量预测分析合理、高效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙立辉	河北经贸大学信息技术学院	27	111	6.0	9.0
2	董兆伟	河北经贸大学信息技术学院	11	1	1.0	1.0
3	史振杰	河北经贸大学信息技术学院	4	0	0.0	0.0
4	武晓婧	河北经贸大学信息技术学院	3	0	0.0	0.0