论文部分内容阅读
针对氧化铝悬浮焙烧能耗信息表征和模型应用的实际需求,建立一种最小二乘支持向量机(LS-SVM)能耗估计模型。基于该类模型结合遗传算法(GA)提出一种模型参数优化和工业应用策略。采用灰关联分析确定模型的主输入为主炉温度、烟气含氧量、原料含水量;采用K折交叉验证优化样本数据;采用比较模型预测误差确定核函数为径向基函数(RBF)核。建立输入为能耗参数,输出为模型标志的支持向量机工况模型选择器。能耗估计模型的自学习与动态优化通过样本的更新和聚类实现,模型的选择和投运通过模型选择器依据工况状态实施切换。实验结