针铁矿法沉铁过程铁离子浓度集成预测模型

被引：9

作者：

熊富强

桂卫华

阳春华

机构：

[1] 不详

[2] 中南大学信息科学与工程学院

[3] 不详

来源：

控制与决策 | 2012年 / 03期

基金：

湖南省自然科学基金;

关键词：

针铁矿法沉铁过程; Fe2+浓度和Fe3+浓度; 改进最小二乘支持向量机; 过程神经网络; 集成预测模型;

D O I：

10.13195/j.cd.2012.03.12.xiongfq.003

中图分类号：

TF51 [理论与计算];

学科分类号：

摘要：

针对某冶炼生产企业针铁矿法沉铁过程Fe2+浓度和Fe3+浓度难以实时检测的问题,在奥拓昆普生产设备和工艺的基础上,利用改进最小二乘支持向量机模型具有对小样本进行非线性预测、过程神经网络可充分表达历史数据序列中时间累积效应的特点,提出一种基于信息熵方法的集成预测模型.仿真实验表明,集成预测模型具有良好的预测性能,预测效果能满足针铁矿法沉铁过程对铁离子浓度值的误差要求.

引用

收藏

页码：329 / 334+342 +342

页数：7

相关论文

共 14 条

[1] 基于最小二乘支持向量机的焦炉煤气柜位预测模型及应用 [J].

张晓平 ;

赵珺 ;

王伟 ;

丛力群 ;

冯为民 ;

陈伟昌 .

控制与决策, 2010, 25 (08) :1178-1183+1188

[2] 基于最小二乘支持向量机和粒子群算法的两相流含油率软测量方法 [J].

张春晓 ;

张涛 .

中国电机工程学报, 2010, 30 (02) :86-91

[3]

数据驱动系统方法概述(英文)[J]. 许建新,侯忠生.自动化学报. 2009(06)

[4]

基于数据驱动的铜闪速熔炼过程操作模式优化及应用[J]. 桂卫华,阳春华,李勇刚,贺建军,尹林子.自动化学报. 2009(06)

[5] 基于泡沫特征与LS-SVM的浮选回收率预测 [J].

周开军 ;

阳春华 ;

牟学民 ;

桂卫华 .

仪器仪表学报, 2009, 30 (06) :1295-1300

[6] 一种基于密度聚类的小生境差分进化算法 [J].

张航 ;

王伟 ;

郑玲 ;

李丹丹 ;

熊富强 .

计算机工程与应用, 2008, (23) :42-45

[7] 组合赋权法在第三方物流合约风险评价中的应用(英文) [J].

傅新平 ;

邹敏 .

Journal of Southeast University(English Edition), 2007, (S1) :128-132

[8] 改进BP算法在过程神经网络中的应用 [J].

钟诗胜 ;

朴树学 ;

丁刚 .

哈尔滨工业大学学报, 2006, (06) :840-842

[9] 基于支持向量机的大型电厂锅炉飞灰含碳量建模 [J].

王春林 ;

周昊 ;

周樟华 ;

凌忠钱 ;

李国能 ;

岑可法 .

中国电机工程学报, 2005, (20) :72-76

[10] 一种基于支持向量机增量学习的软测量建模方法 [J].

张英 ;

苏宏业 ;

褚健 .

化工自动化及仪表, 2005, (03) :22-24