计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2012年
7期
224-227,230
,共5页
球磨机负荷%在线自适应%即时学习%改进支持向量机%多种群混合优化算法
毬磨機負荷%在線自適應%即時學習%改進支持嚮量機%多種群混閤優化算法
구마궤부하%재선자괄응%즉시학습%개진지지향량궤%다충군혼합우화산법
针对电厂球磨机负荷难以进行有效预测的问题,从提高预测模型在线自适应能力的角度出发,提出一种基于即时学习策略的改进SVM建模方法.利用灰色关联分析方法对过程参数进行优化筛选,获得辅助变量;在即时学习策略建模框架下,采用多种群混合优化算法进行SVM预测模型参数的优化选取;基于电厂实际运行数据进行了仿真研究.仿真实验表明,与标准BP神经网络和SVM建模方法的比较,该算法具有更好的预测性能,虽然计算开销有所增加,但能够满足制粉系统球磨机负荷检测的实时性要求.
針對電廠毬磨機負荷難以進行有效預測的問題,從提高預測模型在線自適應能力的角度齣髮,提齣一種基于即時學習策略的改進SVM建模方法.利用灰色關聯分析方法對過程參數進行優化篩選,穫得輔助變量;在即時學習策略建模框架下,採用多種群混閤優化算法進行SVM預測模型參數的優化選取;基于電廠實際運行數據進行瞭倣真研究.倣真實驗錶明,與標準BP神經網絡和SVM建模方法的比較,該算法具有更好的預測性能,雖然計算開銷有所增加,但能夠滿足製粉繫統毬磨機負荷檢測的實時性要求.
침대전엄구마궤부하난이진행유효예측적문제,종제고예측모형재선자괄응능력적각도출발,제출일충기우즉시학습책략적개진SVM건모방법.이용회색관련분석방법대과정삼수진행우화사선,획득보조변량;재즉시학습책략건모광가하,채용다충군혼합우화산법진행SVM예측모형삼수적우화선취;기우전엄실제운행수거진행료방진연구.방진실험표명,여표준BP신경망락화SVM건모방법적비교,해산법구유경호적예측성능,수연계산개소유소증가,단능구만족제분계통구마궤부하검측적실시성요구.
