基于麻雀搜索算法优化的物料加压过滤过程模型改进

作者：刘惠中; 游科顺

来源：选煤技术, 2021, (06): 14-19.

DOI：10.16447/j.cnki.cpt.2021.06.003

• 加压过滤脱水
• 加压过滤过程模型
• SVM
• SVR
• 麻雀搜索算法
• 参数优化

为了更好地提升物料加压过滤过程的作业效率和脱水效果，获取加压过滤过程的最优控制参数，构建一个高精度的物料加压过滤过程模型，研究分析了支持向量机(SVM)和支持向量回归(SVR)的特点，采用从工业压滤脱水系统获取的物料加压过滤脱水数据，分别构建了支持向量回归(SVR)仿真模型和基于麻雀搜索算法优化的支持向量回归(SSA-SVR)仿真模型，并采用平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)、平均百分比误差(MAPE)和决定系数(R2)分析了模型的仿真效果，验证了模型对工业加压过滤数据集的仿真精度。试验结果表明：采用麻雀搜索算法优化的支持向量回归(SSA-SVR)仿真模型具有相对更高的精度和更好的真实性，可更好地对加压过滤系统控制参数进行优化和合理控制。

• 单位
  机电工程学院; 江西理工大学