基于数据驱动和智能优化的高炉十字测温温度预报

作者：唐振浩; 唐立新; 杨阳

来源：信息与控制, 2014, 43(03): 355-360.

• 高炉
• 十字测温
• 最小二乘支持向量机
• 粒子群优化算法
• 数据驱动

采用基于最小二乘支持向量机(LS-SVM)的数据驱动方法建立高炉十字测温温度模型.首先通过对数据的相关性分析,选择与十字测温相关的输入变量;再用改进的智能优化算法(粒子群算法)来优化LS-SVM的参数,从而提高预测模型的精度;最后得到十字测温温度的LS-SVM预测模型.根据生产现场实际数据进行的实验表明,基于相关性分析的输入量选取能够在不影响预测精度的情况下降低计算复杂度;与常用的网格法相比,本文方法所建立的十字测温数据驱动模型精度提高3%,能够满足生产需要.

• 单位
  东北大学; 流程工业综合自动化国家重点实验室