铜冶炼节能参数优化学习模型研究

摘要：

针对铜冶炼过程中的能耗难以预测的问题,提出基于支持向量回归的铜冶炼节能过程参数优化学习方法,首先分析影响铜能耗的各种参数,然后利支持向量回归算法对输入参数和输出能耗之间的关系进行训练,从而筛选出最优参数,为生产能耗控制模型提供了基础.实验结果表明,提出方法较传统的BP神经网络算法相比具有学习速度快,收敛性好,泛化能力强等特点,且能耗预测的平均相对误差小于7％.

关键词：铜冶炼、艾萨炉、能耗、支持向量回归

所属期刊栏目：29

分类号：TQ015.9;TP391.9;O6-39(一般性问题)

资助基金：国家自然科学基金资助项目50906035

在线出版日期：2013-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：822-824