AOSVR算法在電解液成分預測中的應用.pdf

1、在化工行業(yè)，通過電解獲得所需要的工業(yè)產品是一種常見且有效的手段。電解過程涉及到一系列的非常復雜的物理、化學反應，具有高度的非線性、非穩(wěn)態(tài)性、時滯性和時變性。隨著人們對金屬產品的質量越來越高的要求，有效且及時地控制和優(yōu)化電解過程變得越來越重要。在眾多控制參數中，以電解液中銅酸濃度的監(jiān)測和控制最為重要。然后，目前缺乏可靠的銅酸濃度在線測量方法，使得及時、迅速的控制與優(yōu)化難以實現。在線預測是工業(yè)生產領域一項新興的研究內容，是對傳統(tǒng)傳感器測量技

2、術的很好補充：支持向量機具有較強的非線性映射能力，近幾年來在應用研究領域受到越來越多的關注。有鑒于此，本文采用支持向量機作為數學模型對電解銅過程中銅酸濃度進行在線預測，系統(tǒng)全面地研究電解銅生產工藝過程及電解反應的機理，并建立了相關的時間序列預測模型和結構參數的優(yōu)化。 在眾多支持向量回歸算法中，AOSVR算法是近年來提出的在線回歸算法。它比傳統(tǒng)批處理算法更適應于時間序列預測，但沒有考慮如何選擇影響回歸模型的參數C、ε和核參數。本論

3、文在AOSVR算法中引入三步搜索法，形成自適應參數調整的在線支持向量回歸模型，通過在線調整回歸參數達到更好的預測精度和泛化能力。以均方差為評價指標，采用三步搜索法在動態(tài)置信區(qū)間內進行參數尋優(yōu)，得到最優(yōu)的在線回歸預測模型的結構參數。 對實際生產過程中預測目標輸出量銅酸濃度高度耦合的特點，建立了基于支持向量回歸的多目標在線預測模型。同時，為避免傳統(tǒng)支持向量回歸批次訓練時所導致的系統(tǒng)資源大量消耗情況，銅酸預測模型采用增量式算法。即預測