基于FCM的多支持向量机模型在高炉炉温预测中的应用.pdf

第36卷 第3期 冶 金 自动 化 Vo1．36 NO．3 Metalh~rgicalIndustryAutomation Mav2012 2012年 5月 · 人工智能技术应用 · 基于 FCM 的多支持向量机模型在高炉 炉温预测 中的应用 王义康 ，刘祥官 (1．中国计量学院 理学院，浙江 杭州 310018；2．浙江大学) 摘要：针对高炉炼铁智能控制专家系统中单一支持向量机 (SVM)炉温预测模型的改进研究，提出一种基于模糊 C均值聚类(FCM)的多支持向量机模型。首先运用模糊 C均值聚类对模型训练集进行聚类划分，然后对每一 类进行支持向量机的训练，建立相应的子模型，并对测试集中的同一样本点分别进行预测，以测试样本点的输 入对应于每一类的隶属度为权值 ，进行加权求和，最终得到预测值。通过对在线采集的数据分析表明，基于 FCM的多支持向量机模型 比单一的支持向量机模型在多方面预测性能得到改善，连续预测 100炉命中率达 86％ 。 一 关键词：高炉 ；炉温预测；模糊 C均值聚类 ；支持向量机 中图分类号：TP27，TF531 文献标志码：A 文章编号：1000~059(2012)03-0018-06 Application ofmultiplesupportvectormachinesmodelbasedon FCM fortemperaturepredictionin blastfurnace W ANG Yi．kang ．LIU Xiangguan (1．CollegeofScience，ChinaJiliangUniversity，Hangzhou310018，China；2．ZhejiangUniversity) Abstract：A kind ofmultiple supportvectormachinesmodelbased on fuzzy C—mean clustering (FCM)isproposedinordertoimprovethetemperaturepredictionmodelwithsinglesupportvector machine(SVM)inintelligentcontrolexpertsystemforblastfurnace．Atfirst，thetrainingsetisclas— siftedintoseveralgroupsbyusingoffuzzyC—mean clusteringmethod．Then each group istrained throughsupport vectormachineand the corresponding sub-modelsare established．Afterthat，the samesampleintestingsetispredictedseparatelyandthemembershipsbetweeneachsampleandeach rgouparesetastheweights．Finally，thepredictedresuhisobtainedbyweightedsum．Theanalysisof on—linedatashowsthatthemultiplesupportvectormachinesmodelbasedonfuzzyC—meanclustering has，betterpredictionperformanceinmanyaspectscomparedwiththesingleSVM mode1．Thehitrate reaches86％ inconsecutive100furnacesbasedontheproposedmode1． Keywords：blastfurnace；furnacetemperaturepre