改进支持向量回归及其在铁水硅含量预报的应用
支持向量回归等数据驱动建模方法已被用于高炉过程中铁水硅含量的预报。由于建模 数据包含测量噪声和离群点，需要对其进行有效的预处理以提高模型质量。提出一种结合两层 变量空间分析的预处理方法。首先用多变量修剪法在原始变量空间预处理；并提出支持向量聚 类(Support Vector Clustering，SVC)的预处理方法，将建模数据映射到高维特征空间，然后构 造一超球体来排除离群点。SVC无需像传统预处理方法假设数据服从正态或近似正态分布，更 符合实际的高炉过程。通过一工业高炉过程铁水硅含量的支持向量回归软测量建模和预报实验 比较，验证了所提出方法能获得鲁棒性更好的模型，预报性能也得到了提高。
数据预处理 支持向量聚类 支持向量回归 硅含量 软测量
刘毅 李平 高增梁
浙江工业大学化工机械设计研究所 杭州 310032 浙江大学工业控制研究所 杭州 310027
国内会议
南京
中文
1463-1469
1900-01-01（万方平台首次上网日期，不代表论文的发表时间）