AOSVR算法在電解液成分預(yù)測(cè)中的應(yīng)用.pdf

1、在化工行業(yè)，通過電解獲得所需要的工業(yè)產(chǎn)品是一種常見且有效的手段。電解過程涉及到一系列的非常復(fù)雜的物理、化學(xué)反應(yīng)，具有高度的非線性、非穩(wěn)態(tài)性、時(shí)滯性和時(shí)變性。隨著人們對(duì)金屬產(chǎn)品的質(zhì)量越來越高的要求，有效且及時(shí)地控制和優(yōu)化電解過程變得越來越重要。在眾多控制參數(shù)中，以電解液中銅酸濃度的監(jiān)測(cè)和控制最為重要。然后，目前缺乏可靠的銅酸濃度在線測(cè)量方法，使得及時(shí)、迅速的控制與優(yōu)化難以實(shí)現(xiàn)。在線預(yù)測(cè)是工業(yè)生產(chǎn)領(lǐng)域一項(xiàng)新興的研究?jī)?nèi)容，是對(duì)傳統(tǒng)傳感器測(cè)量技

2、術(shù)的很好補(bǔ)充：支持向量機(jī)具有較強(qiáng)的非線性映射能力，近幾年來在應(yīng)用研究領(lǐng)域受到越來越多的關(guān)注。有鑒于此，本文采用支持向量機(jī)作為數(shù)學(xué)模型對(duì)電解銅過程中銅酸濃度進(jìn)行在線預(yù)測(cè)，系統(tǒng)全面地研究電解銅生產(chǎn)工藝過程及電解反應(yīng)的機(jī)理，并建立了相關(guān)的時(shí)間序列預(yù)測(cè)模型和結(jié)構(gòu)參數(shù)的優(yōu)化。 在眾多支持向量回歸算法中，AOSVR算法是近年來提出的在線回歸算法。它比傳統(tǒng)批處理算法更適應(yīng)于時(shí)間序列預(yù)測(cè)，但沒有考慮如何選擇影響回歸模型的參數(shù)C、ε和核參數(shù)。本論

3、文在AOSVR算法中引入三步搜索法，形成自適應(yīng)參數(shù)調(diào)整的在線支持向量回歸模型，通過在線調(diào)整回歸參數(shù)達(dá)到更好的預(yù)測(cè)精度和泛化能力。以均方差為評(píng)價(jià)指標(biāo)，采用三步搜索法在動(dòng)態(tài)置信區(qū)間內(nèi)進(jìn)行參數(shù)尋優(yōu)，得到最優(yōu)的在線回歸預(yù)測(cè)模型的結(jié)構(gòu)參數(shù)。 對(duì)實(shí)際生產(chǎn)過程中預(yù)測(cè)目標(biāo)輸出量銅酸濃度高度耦合的特點(diǎn)，建立了基于支持向量回歸的多目標(biāo)在線預(yù)測(cè)模型。同時(shí)，為避免傳統(tǒng)支持向量回歸批次訓(xùn)練時(shí)所導(dǎo)致的系統(tǒng)資源大量消耗情況，銅酸預(yù)測(cè)模型采用增量式算法。即預(yù)測(cè)