灰色特征加权LSSVM在砷盐除钴中的应用.pdfVIP

灰色特征加权LSSVM在砷盐除钴中的应用.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
灰色特征加权LSSVM在砷盐除钴中的应用.pdf

高技术通讯2012年第22卷第12期:1322—1328 doi:10.3772/i.issn.10024)470.2012.12.017 灰色特征加权LSSVM在砷盐除钴中的应用① 伍铁斌②”+ 李勇刚③+ 阳春华‘ 孙备+ 桂卫华+ (+中南大学信息科学与工程学院长沙410083) (”湖南人文科技学院通信与控制工程系 娄底417000) 摘要针对砷盐净化除钴中影响钻离子浓度预测的因素影响程度不同和数据噪声造成 的钴离子浓度预测精度较低的问题,提出一种新的钴离子浓度预测模型——灰色特征加 权最小二乘支持向量机(LSSVM)模型。该模型采用灰色累加的方法削弱原始数据中的 噪声,并通过对砷盐除钴反应影响较为明显的因素的分析,根据影响因素的重要程度分别 赋予其不同的特征权重,以提高LSSVM的预测精度;利用动态分级微粒群算法的快速收 敛性和全局优化能力,优化选取LSSVM模型的两个关键参数——惩罚因子C和核参数 盯,以避免参数选择的盲目性。基于选取的砷盐净化除钴过程生产数据进行了仿真,结果 表明,灰色特征加权LSSVM的预测精度高,预测值能很好地跟踪实际钻离子浓度的变化 趋势,满足砷盐除钴过程钴离子浓度预测的要求。 关键词特征加权,最小二乘支持向量机(LSSVM),钴离子,微粒群算法,灰色累加 用多元线性回归等简单的回归模型无法满足钴离子 0 引言 预测的要求。文献[2]提出了基于神经网络与灰色 净化除钴是湿法炼锌生产中极其重要的过程, 模型的锑盐净化除钴过程钴离子浓度预测模型,仿 钴离子浓度过高会引起锌反溶(即“烧板”)¨]。由 真证明了该模型的可行性,但神经网络存在收敛速 于净化除钴过程流程长和钴离子浓度化验的滞后 度较慢、容易陷入局部最优等问题。由于最dx--乘 vector 性,导致除钴过程操作参数无法及时调节,从而影响 支持向量机(1east machine, squaressupport 净化除钴过程的优化运行;因此研究钴离子浓度预 LSSVM)在回归建模中能有效避免过学习、局部最 测具有重要意义。本文针对钴离子浓度影响因素及 小问题口J,因而它在非线性系统预测建模中得到广 数据噪声对钻离子浓度预测精度的影响进行了研 泛应用M。7J。文献[8]提出了一种结合小波分析和 究,提出了一种灰色特征加权最小二乘支持向量机 LSSVM方法的净化除钴过程钴离子浓度预测方法, vector (1east machine,LSSVM)预测 squaressupport 但利用小波重构信号时会丢失原有时域特征,且没 模型,该模型能满足砷盐除钴过程对钴离子浓度预 有考虑数据噪声的处理。文献[9]采用模糊支持向 测的要求。 量机预测钴离子浓度,对不同时间段的样本赋予不 同的权值,取得了一定的效果,但是该模型对数据噪 1 相关研究 声的处理能力较差。 砷盐净化除钴过程中,氧化还原电位(oxidation 针对砷盐净化除钻机理复杂和强非线性等特点 reduction potential,ORP)、反应器含固量、溶

文档评论(0)

rewfdgd + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档