基于PCA 和LS-SVM 的氧化铝蒸发浓度预测

摘要：

针对氧化铝蒸发过程的出口料液浓度在线检测困难以及操作参数具有时变性等特点，提出了一种基于主元分析和最小二乘支持向量机的多输入多输出系统的氧化铝蒸发浓度预测方法。利用主元分析降低输入变量的维数，将所提取的主元作为多输出最小二乘支持向量机模型的输入，采用网格搜索和交叉验证法对模型参数进行优化，根据模型预测效果采用滑动时间窗法在线调整建模的样本集。工业数据实验分析表明，相比基于最小二乘支持向量机以及基于主元分析和BP 神经网络的浓度预测模型，该方法具有更高的预测精度和更好的泛化性能，满足实际工业生产在线优化控制要求。

关键词： alumina evaporation process PCA LS-SVM prediction

作者: 聂晓凯 阳春华 柴琴琴 桂卫华

作者单位: 中南大学信息科学与工程学院 长沙 410083

会议类型: 国内会议

会议名称: 湖南省第三届研究生创新论坛——信息与控制工程的新理论和新技术分论坛

会议地点: 长沙

会议语种:中文

页码: 432

在线出版日期: 2010-11-01（万方平台首次上网日期，不代表论文的发表时间）