用于水泥熟料fCaO预测的多核最小二乘支持向量机模型

赵朋程; 刘彬; 高伟; 赵志彪; 王美琪

doi:10.11949/j.issn.0438-1157.20151598

您当前的位置：

首页 >

文章列表页 >

用于水泥熟料fCaO预测的多核最小二乘支持向量机模型

过程系统工程 | 更新时间：2025-11-26

- 用于水泥熟料fCaO预测的多核最小二乘支持向量机模型
- Multiple kernel least square support vector machine model for prediction of cement clinker lime content
- 化工学报 2016年第6期页码：2480-2487
- 作者机构：
  
  1. 燕山大学信息科学与工程学院,河北,秦皇岛,066004
  2. 河北省特种光纤与光纤传感重点实验室,河北,秦皇岛,066004
  3. 燕山大学电气工程学院,河北,秦皇岛,066004
- 作者简介：
- 基金信息：
- DOI：10.11949/j.issn.0438-1157.20151598
  中图分类号： P183
- 网络首发：2016-06-05，
  
  纸质出版：2016-06-05
- 稿件说明：
移动端阅览
赵朋程, 刘彬, 高伟, 等. 用于水泥熟料fCaO预测的多核最小二乘支持向量机模型[J]. 化工学报, 2016,(6):2480-2487.

ZHAO Pengcheng, LIU Bin, GAO Wei, et al. Multiple kernel least square support vector machine model for prediction of cement clinker lime content[J]. CIESC Journal, 2016, (6): 2480-2487.
赵朋程, 刘彬, 高伟, 等. 用于水泥熟料fCaO预测的多核最小二乘支持向量机模型[J]. 化工学报, 2016,(6):2480-2487. DOI： 10.11949/j.issn.0438-1157.20151598.

ZHAO Pengcheng, LIU Bin, GAO Wei, et al. Multiple kernel least square support vector machine model for prediction of cement clinker lime content[J]. CIESC Journal, 2016, (6): 2480-2487. DOI： 10.11949/j.issn.0438-1157.20151598.

摘要

针对水泥熟料游离氧化钙(fCaO)含量预测模型辨识的问题

考虑到单一核函数无法显著提高模型精度

采用多项式核函数、指数径向基核函数和高斯径向基核函数组合构建等价核的方法

建立了多核最小二乘支持向量机水泥熟料fCaO预测模型。同时

利用改进的粒子群优化算法对多核最小二乘支持向量机模型的6个待确定参数进行迭代寻优

避免了模型参数人工选取的盲目性。最后将基于改进粒子群的多核最小二乘支持向量机模型应用于熟料fCaO含量的实例仿真。结果表明

建立的水泥熟料fCaO含量预测模型精度高、泛化能力强。

Abstract

Aiming at the problem of how to accurately predict the cement clinker fCaO content

the traditional single kernel least squares support vector machine (LSSVM) is difficult to show the complex non-linear relation between the clinker fCaO content and corresponding variables exactly. Thus

the multiple kernel least square support vector machine (MKLSSVM) containing three kernel function is presented based on multiple kernel learning to avoid the influence of the single kernel function on the model accuracy. As a result of artificial selection the parameters of MKLSSVM is blindness and uncertainty. The random perturbation chaos particle swarm optimization (RPCPSO) algorithm is presented to get the best parameters of MKLSSVM. The cement clinker fCaO content model is built by using the RPCPSO algorithm to optimize the parameters of MKLSSVM. Simulation results indicated that the RPCPSO algorithm had a fast convergence speed

and the model had high precision and strong ability of power generalization. Thus

the model was valuable for practical application.

关键词

Keywords

references

浏览量

210

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

原油作业过程优化的研究进展

HTR-PM大范围变负荷的MA自适应优化算法

ASOS-ELM建模方法及在汽轮机热耗率预测中的应用

改进的精英教学优化算法及其在甲醇合成优化中的应用

使用博弈差分算法的电站锅炉高效低污染燃烧均衡优化