基于TSSA-SVR模型的焦炭质量预测模型研究
焦炭质量对高炉冶炼的生产有着极大影响,建立精确度高、适应性好的焦炭质量预测模型对企业生产具有重要意义.为解决生产过程中焦炭质量难以实时测量的问题,提出一种基于混沌麻雀搜索算法(TSSA)优化支持向量回归机(SVR)的焦炭质量预测模型.首先采用改进Tent混沌映射初始化种群,加强麻雀搜索算法(SSA)的全局搜索能力,然后利用TSSA模型对SVR模型的参数进行优化,有效克服了传统SVR模型的参数选取问题.选取配合煤中的水分、灰分、挥发分等七项指标作为模型的输入,焦炭质量中的抗碎强度、耐磨强度、反应性、反应后强度四项指标作为模型的输出,依据焦化厂历史生产数据,对TSSA-SVR模型进行实例验证,并与SSA-SVR模型、SVR模型进行对比分析,实验结果表明,提出的方法具有较好的准确度和适应性,对焦炭生产具有一定的实用价值.
焦炭质量、Tent混沌映射、麻雀搜索算法、支持向量回归机
31
TP183(自动化基础理论)
陕西省自然科学基础研究计划联合基金项目2019JLP-16
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
86-92