改进在线最小二乘支持向量机的合金成分预测

被引：4

作者：

唐春霞 ^{[1
,2
]}

阳春华 ^{[1
]}

桂卫华 ^{[1
]}

周志光 ^{[2
]}

机构：

[1] 中南大学信息科学与工程学院

[2] 长沙民政学院电子信息工程系

来源：

计算机工程与应用 | 2011年 / 47卷 / 34期

关键词：

硅锰合金; 埋弧炉; 改进的在线最小二乘支持向量机; 合金成分;

D O I：

暂无

中图分类号：

TG115 [金属的分析试验（金属材料试验）]; TP18 [人工智能理论];

学科分类号：

080606 [材料冶金]; 140502 [人工智能];

摘要：

针对硅锰合金埋弧冶炼过程中合金成分检测困难、离线化验滞后大、难以实时控制的问题,提出一种改进在线最小二乘支持向量机(IOLSSVM)的合金成分预测模型。该模型对每一个新增样本采用增量式学习,根据样本对模型贡献的不同删除样本集中对模型贡献最小的样本数据,利用递推计算增强模型的在线学习能力。将此模型应用于30MVA硅锰合金埋弧炉冶炼过程合金成分预测,实际生产运行数据表明了此方法的有效性。

引用

页码：246 / 248

页数：3

共 4 条

[1]

Endpoint Prediction of EAF Based on Multiple Support Vector Machines.[J]..Journal of Iron and Steel Research(International).2007, 02

[2]

回归最小二乘支持向量机的增量和在线式学习算法 [J].