基于IPSO-SVR的水泥分解炉温度预测模型探究.pdfVIP

2017年5月1日 现代电子技术 May2017 第40卷第9期 ModernElectronicsTechnique Vol.40 No.9 148 148 doi：10.16652/j.issn.1004⁃373x.2017.09.039 基于IPSO⁃SVR 的水泥分解炉温度预测模型研究 金 星，徐 婷，冷 淼 （长春工业大学 电气与电子工程学院，吉林 长春 130012） 摘 要：为建立稳定可靠的分解炉温度预测模型，结合与分解炉温度密切相关的几个主要运行参数，提出一种粒子群 参数优化的支持向量回归机算法（PSO⁃SVR），并在粒子群算法中引入自适应惯性权重的思想，构建出分解炉温度预测模型。 与未改进的模型进行仿真对比实验，实验结果表明，该IPSO⁃SVR模型具有较佳的预测能力，预测相关系数达到0.707 5，温 度预测误差绝对值不超过7 ℃，误差率在0.8% 以内。 关键词：分解炉温度；粒子群算法；惯性权重；支持向量回归机；预测模型 中图分类号：TN911.1⁃34；TP273 文献标识码：A 文章编号：1004⁃373X（2017）09⁃0148⁃04 Research on cement decomposing furnace temperature prediction model based on IPSO⁃SVR JINXing，XUTing，LENGMiao （CollegeofElectricalandElectronicEngineering，ChangchunUniversityofTechnology，Changchun 130012，China） Abstract：Inordertoestablishastableandreliabletemperaturepredictionmodelforthedecomposingfurnace，incombina⁃ tionwithseveralmainoperatingparameterscloselyrelatedtothedecomposingfurnacetemperature，aparticleswarmoptimiza⁃ tionbasedsupportvectorregression （PSO⁃SVR）machinealgorithmisproposed.Thethoughtofadaptiveinertiaweightisintro⁃ duced into the particle swarm optimization algorithm to construct the decomposing furnace temperature prediction model. The modeliscomparedwiththeunimprovedonebymeansofsimulationexperiment.TheexperimentalresultsshowthattheIPSO⁃ SVRmodelhasbetterforecastingability，thecorrelationcoefficientreachedto 0.707 5，thetemperaturepredictionerrorabso⁃ lutevalueislessthan 7 ℃，andtheerrorrateiswithin 0.8%. Keywords：decomposingfurnacetemperature；particleswarmoptimizationalgorithm；inertiaweight；supportvectorregres⁃