基于GA优化LSSVM高炉铁水含硅量预报-太赫兹科学与电子信息学报.PDF

第 11 卷 第 4 期 太赫兹科学与电子信息学报 Vo1．11，No．4 2013 年 8 月 Journal of Terahertz Science and Electronic Information Technology Aug．，2013 文章编号：2095-4980(2013)04-0641-05 基于 GA 优化 LSSVM 高炉铁水含硅量预报 a b b* 王龙辉 ，高 嵩 ，屈 星 (南华大学 a.经济管理学院；b. 电气工程学院，湖南 衡阳 421001) 摘 要 ：铁水含硅量是表征高炉生铁质量的重要指标，也是反映高炉内部热状态的重要参数。 为了提高铁水含硅量测量精确度，保证高炉顺行，提出一种基于最小二乘支持向量机(LSSVM) 的铁 水含硅量预报模型，采用遗传算法(GA)确定模型参数的优化组合，以改善模型性能。将某钢管厂高 炉的实际运行数据经过预处理后作为模型的训练和测试样本，进行模型预报实验，并与神经网络模 型和时间序列分析模型的预报性能进行了比较。基于 GA 优化参数的 LSSVM 模型对铁水含硅量预报 的最大相对误差为 5.8% ，相关系数为 0.926 375 ，预报精确度比直接 LSSVM 模型提高了 2.1% ，比前 向神经网络模型提高了 4.3% 。 关键词 ：高炉；铁水含硅量；预报；最小二乘支持向量机；遗传算法 中图分类号 ：TN911.6 文献标识码 ：A doi ：10.11805/TKYDA201304.0641 Prediction of blast furnace hot metal silicon content based on LSSVM optimized by GA a b b WANG Long-hui ，GAO Song ，QU Xing (a.College of Economics and Management；b. College of Electrical Engineering ，University of South China，Hengyang Hunan 421001，China) Abstract： Hot metal silicon content has long been used as one of the most important indices to represent the hot metal quality and the thermal state of a blast furnace. In order to improve the measurement precision and attain stable operation of the blast furnace, a novel model for predicting silicon content by using Least Square Support Vector Machine(LSSVM) is presented. It adopts Genetic Algorithm(GA) to determine the opt