基于改进支持向量机的高炉一氧化碳利用率预测方法.pdfVIP

第 66卷 第 1期 化 工 学 报 、，01．66No．1 2015年 1月 CIESC Journal January 2015 萋 基于改进支持向量机的高炉一氧化碳利用率预测方法 安剑奇 ，陈易斐 ，吴敏 (中国地质大学 (武汉)自动化学院，湖北 武汉 430074； 中南大学信息科学与工程学院，湖南 长沙 410083) 摘要：高炉冶炼是一个具有非线性、大时滞、大噪声、分布参数等特征的高度复杂生产过程。针对 目前高炉现场 以焦比为能耗评价指标却无法提供实时指导的问题，研究以一氧化碳利用率为能耗评价指标，提出一种基于改进 支持向量机的高炉一氧化碳利用率预测方法。首先分析高炉炼铁过程机理，结合互信息法得出影响一氧化碳利用 率的相关操作因素。然后鉴于生产数据含噪高的特点，采用小波去噪方法去除数据噪声干扰，并且利用灰色相对 关联度分析方法对操作参数进行时序配准，消除时滞影响，建立高炉一氧化碳利用率预测模型。在建模过程中， 将 自适应粒子群与支持向量机回归方法相结合，以克服模型参数选择的随机性，提高了模型预测精度。现场实际 数据的预测结果表明所提出方法的有效性，能够实时精确地预测高炉一氧化碳利用率，为后续高炉的优化操作和 节能减排提供了及时有效的决策支持。 关键词：高炉；一氧化碳；建模；支持向量机；预测；自适应粒子群 DOI：10．11949~．issn．0438-1157 中图分类号：TP273 文献标志码：A 文章编号：0438—1157(2015)01—0206—09 A predictionmethodforcarbonmonoxideutilizationratioofblastfurnace basedonimprovedsupportvectorregression AN Jianqi1CHENYifei，W U M in ， (1SchoolofAutomation，ChinaUniversityofGeosciences，Wuhan430074，Hubei，China； SchoolofinformationScienceandEngineering,CentralSouthUniversiyt，Changsha410083，Hunan，China) Abstract：Blastfurnaceisahighlycomplexproductionprocesswiththecharacteristicsofnonlinearity,largedelay, bignoise，parametersdistribution，and SOon．Accordingto theproblem thatcokeratio isused asenergy consumptionevaluation indexbutcan’tprovidereal—timeguidanceintheblastfurnacefield，crabonmonoxide utilizationratioisstudiedastheenergyconsumption indexandapredictionmethodforitbasedonimproved supportvectorregression(SVR)isproposed．Firstly,relevantoperationfactorsraeselectedbyanalyzingthe mechanism ofblastufrnacecombinedwithmuutalinformationmethod．Next，wavelettransfomr isusedtoremove thenoiseincludingintheproductiondat