沥青生产过程中软化点的SVR预测

摘要：

根据30组不同电阻和温度下的沥青软化点的实测数据集,应用基于粒子群算法（PSO）寻优的支持向量回归（SVR）方法,并结合留一交叉验证（LOOCV）法对沥青软化点进行了建模和预测研究,将其预测结果与多元线性回归（MLR）模型的计算结果进行了比较。SVR-LOOCV预测的最大误差为2.1℃,远比MLR模型计算的最大误差7.9℃要小得多。统计结果表明：基于SVR-LOOCV预测结果的均方根误差（RMSE=0.75℃）、平均绝对误差（MAE=0.32℃）和平均绝对百分误差（MAPE=0.28%）相应也比MLR回归模型的预测结果（RMSE=3.3℃,MAE=2.6℃和MAPE=2.34%）要小。因此,应用SVR实时预测沥青产品的软化点,可为生产优质沥青提供准确的科学指导。

关键词：沥青、软化点、支持向量回归、粒子群算法、回归分析、模型

所属期刊栏目：34

分类号：TP18;O551.3(自动化基础理论)

资助基金：中央高校基本科研业务资助CDJXS10101107;CDJXS10100037;CDJXS11101135;教育部新世纪优秀人才支持计划项目NCET-07-0903;教育部留学回国人员科研启动基金资助项目教外司留[2008]101-1;重庆市自然科学基金项目CSTC2006BB5240

在线出版日期：2012-04-21（万方平台首次上网日期，不代表论文的发表时间）

页码：148-152,158