学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的电弧炉终点参数预报模型的研究

作　者: 毛雪菲
导　师: 张绍德
学　校: 安徽工业大学
专　业: 控制理论与控制工程
关键词: 支持向量机灰色模型非线性灰色Bernoulli模型马尔可夫粒子群算法
分类号: TM924.4
类　型: 硕士论文
年　份: 2010年
下　载: 36次
引　用: 0次
阅　读: 论文下载

内容摘要

在电弧炉冶炼生产过程中,出钢温度、碳含量和磷含量等终点参数直接关系到后续生产工艺,甚至影响产品质量。准确预报电弧炉的终点参数对降低冶炼成本,提高生产效益具有重要意义。考虑电弧炉终点参数既受定量因素的影响,又受非定量因素的影响,将GM(1,1)模型、非线性灰色Bernoulli模型、Gray-Markov模型、非线性灰色Bernoulli-Markov模型、Markov模型分别与支持向量机相结合,建立五种电弧炉终点参数的组合预报模型,其中GM(1,1)模型、非线性灰色Bernoulli模型、Markov模型、Gray-Markov模型、非线性灰色Bernoulli-Markov模型反映非定量因素对电弧炉终点参数预报值的影响;SVM模型反映电弧炉各种定量因素对终点参数预报值的影响。这五种电弧炉终点参数预报模型(GM(1,1)-SVM模型、非线性灰色Bernoulli-SVM模型、Gray-Markov-SVM模型、非线性灰色Bernoulli-Markov-SVM模型和Markov-SVM模型)的方法是:首先建立非定量因素的GM(1,1)模型、非线性灰色Bernoulli模型,然后用Markov链修正其预测值;由于Gray-Markov模型,非线性灰色Bernoulli-Markov模型对定量输入的影响无法准确反映,因此Gray-Markov模型,非线性灰色Bernoulli-Markov模型必然存在预测偏差,此预测偏差通过建立反映定量输入与终点参数预测偏差之间关系的SVM模型方法加以补偿,并采用粒子群算法(PSO)对支持向量机的参数进行寻优,最终得到电弧炉终点参数的预报值,同时实现滚动预测。仿真实验表明,这五种组合预报模型具有很高的预报精度和命中率,均适用于电弧炉终点参数预报,其中Gray-Markov-SVM模型、非线性灰色Bernoulli-Markov-SVM模型、Markov-SVM模型在预报精度上比GM(1,1)-SVM模型和非线性灰色Bernoulli-SVM模型有更进一步提高。本文的创新点在于:(1)采用马尔可夫链分别修正GM(1,1)模型、非线性灰色Bernoulli模型,在此基础上作者提出Gray-Markov-SVM模型、非线性灰色Bernoulli-Markov-SVM模型。仿真实验表明,Gray-Markov-SVM模型,非线性灰色Bernoulli-Markov-SVM模型在预报精度上比Gray-SVM模型、非线性灰色Bernoulli-SVM模型有很大提高。(2)不采用国内外流行的现有LS-SVM工具箱。根据LS-SVM的原理,作者设计了基于粒子群算法的LS-SVM程序,有效地提高了预报精度。(3)采用滚动预测,实现了实时在线的预报功能。

全文目录

摘要  4-5
Abstract  5-10
第一章绪论  10-16
  1.1 选题的背景及意义  10-11
  1.2 国内外研究现状  11-14
    1.2.1 电弧炉终点预报的发展历程  11-12
    1.2.2 各种预测方法及存在的问题  12-13
    1.2.3 支持向量机的历史背景及研究现状  13-14
  1.3 本课题的研究内容  14-15
  1.4 本文的结构安排  15-16
第二章预备知识  16-37
  2.1 支持向量机  16-25
    2.1.1 机器学习的基本问题  16-17
    2.1.2 统计学习理论  17-19
      2.1.2.1 经验风险最小化与学习的一致性问题  17-18
      2.1.2.2 推广性的界  18
      2.1.2.3 结构风险最小化  18-19
    2.1.3 支持向量机  19-20
    2.1.4 回归支持向量机  20-23
    2.1.5 最小二乘支持向量机  23-24
    2.1.6 支持向量机的特点和性质  24-25
  2.2 灰色理论预测  25-30
    2.2.1 灰色系统建模基础  25-27
      2.2.1.1 灰色理论简介  25
      2.2.1.2 灰色理论的几个基本概念  25-27
    2.2.2 GM(1,1)模型  27-29
    2.2.3 非线性灰色Bernoulli模型  29-30
  2.3 马尔可夫链预测模型  30-33
    2.3.1 马尔可夫链的定义  30-32
    2.3.2 马尔可夫链的预测方法  32-33
  2.4 粒子群算法  33-37
    2.4.1 基本原理  33-35
    2.4.2 算法流程  35-37
第三章非定量因素对电弧炉终点参数预报值的影响  37-64
  3.1 影响电弧炉终点参数的因素  37-38
  3.2 基于非定量因素的电弧炉终点参数预报模型  38-63
    3.2.1 非定量因素的GM(1,1)模型  39-40
    3.2.2 非定量因素的非线性灰色Bernoulli模型  40-43
      3.2.2.1 基于PSO算法的参数优选  40-42
      3.2.2.2 非线性灰色Bernoulli模型的建模步聚  42-43
    3.2.3 非定量因素的灰色-马尔可夫模型  43-49
      3.2.3.1 灰色-马尔可夫模型的建模步骤  43-44
      3.2.3.2 基于灰色-马尔可夫模型的电弧炉终点参数的计算  44-49
    3.2.4 非定量因素的非线性灰色Bernoulli-马尔可夫模型  49-54
      3.2.4.1 非线性灰色Bernoulli-马尔可夫模型的建模步骤  49-50
      3.2.4.2 基于非线性灰色Bernoulli-马尔可夫模型的电弧炉终点参数的计算  50-54
    3.2.5 非定量因素的马尔可夫模型  54-60
      3.2.5.1 马尔可夫模型的建模步骤  55
      3.2.5.2 基于马尔可夫模型的电弧炉终点参数的计算  55-60
    3.2.6 五种非定量因素模型的仿真结果和性能比较  60-63
      3.2.6.1 各种非定量因素模型的仿真结果  60-62
      3.2.6.2 各种非定量因素模型的性能比较  62-63
  3.3 本章小结  63-64
第四章定量因素对电弧炉终点参数预报值的影响  64-75
  4.1 定量因素的PSO-SVM 的偏差建模  64-65
  4.2 最小二乘支持向量机模型的建模步骤  65-66
  4.3 PSO-SVM 偏差建模的步骤  66-67
  4.4 五种电弧炉终点参数模型的仿真结果和性能比较  67-73
    4.4.1 五种电弧炉终点参数模型的仿真结果  67-69
    4.4.2 预报结果分析比较  69-73
  4.5 本章小结  73-75
第五章总结与展望  75-77
参考文献  77-82
附录A 插图清单  82-83
附录B 表格清单  83-84
在学研究成果  84-85
致谢  85

基于支持向量机的电弧炉终点参数预报模型的研究

内容摘要

全文目录

相似论文