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
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 网络语音传输丢包的恢复技术,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 领域实体属性及事件抽取技术研究,TP391.1
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于统计方法的核磁共振人脑图像的分割及三维数据的分析,R445.2
- 有源电力滤波器及其在配电网中的应用,TN713.8
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 基于粒子群的分子对接算法,R91
- 基于机器学习的入侵检测系统研究,TP393.08
中图分类: > 工业技术 > 电工技术 > 电气化、电能应用 > 电热 > 电弧炉
© 2012 www.xueweilunwen.com
|