基于支持向量回归与极限学习机的高炉铁水温度预测
来源期刊:工程科学学报2021年第4期
论文作者:王振阳 江德文 王新东 张建良 刘征建 赵宝军
文章页码:569 - 576
关键词:大数据;机器学习;支持向量回归;极限学习机;铁水温度;
摘 要:选取某4000 m3级别高炉2014年至2019年时间范围内的日平均数据,以铁水温度为目标函数,首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理,获取了显著影响铁水温度的正负相关性特征参量.在此基础上,基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型,模型均可对铁水温度实现有效预测,基于支持向量回归算法构建的预测模型较优,预测平均绝对误差为4.33℃,±10℃误差范围内的命中率为94.0%.
王振阳1,江德文1,王新东2,张建良1,3,刘征建1,赵宝军3
1. 北京科技大学冶金与生态工程学院2. 河钢集团有限公司钢铁技术研究总院3. 昆士兰大学化学工程学院
摘 要:选取某4000 m3级别高炉2014年至2019年时间范围内的日平均数据,以铁水温度为目标函数,首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理,获取了显著影响铁水温度的正负相关性特征参量.在此基础上,基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型,模型均可对铁水温度实现有效预测,基于支持向量回归算法构建的预测模型较优,预测平均绝对误差为4.33℃,±10℃误差范围内的命中率为94.0%.
关键词:大数据;机器学习;支持向量回归;极限学习机;铁水温度;