一種改進MST關鍵特征提取方法及其在終軋溫度建模中的應用.pdf

1、隨著鋼鐵行業(yè)的迅速發(fā)展，鋼鐵的質(zhì)量和性能都變得愈發(fā)重要。熱軋帶鋼是眾多鋼鐵產(chǎn)品中十分重要的一種。在熱軋帶鋼生產(chǎn)過程中，精軋終軋溫度是影響帶鋼性能和組織的關鍵因素。
　　為了實現(xiàn)對終軋溫度的準確預報，需要針對終軋溫度建立預測模型。而影響終軋溫度的因素種類繁多且耦合嚴重，為了降低預測模型的復雜度同時提高模型預測精度，在眾多的因素中提取出影響終軋溫度的關鍵因素顯得非常重要。因此本文提出了一種改進的基于最小生成樹的高維數(shù)據(jù)關鍵特征提取算法

2、，該算法可以使數(shù)據(jù)中與終軋溫度不相關和互相冗余的屬性在一次提取過程中被去除。
　　論文首先對基于最小生成樹的關鍵特征提取算法進行了簡單介紹，針對算法處理實際精軋過程數(shù)據(jù)時出現(xiàn)的單點多發(fā)散問題對算法進行了改進。將改進的特征提取算法應用于實際精軋過程數(shù)據(jù)，得到了影響終軋溫度的關鍵特征屬性。之后，本文結(jié)合改進的特征提取算法和支持向量回歸提出了一種終軋溫度預測模型構建方法，通過對模型參數(shù)的優(yōu)化以達到了比較滿意的預測效果。最后，將支持向量機