改进CPSO-LSSVM的腐蚀预测模型

摘要

为准确预测某石化企业循环冷却水腐蚀速率,对石化企业循环冷却水3年实际测量数据进行分析研究,提出一种腐蚀预测算法KPCA-CPSO-LSSVM.通过核主成分分析(KPCA)将数据样本降维,消除数据共线性,使用最小二乘支持向量机(LSSVM)建立预测模型,采用具有较强全局搜索能力的混沌粒子群(CPSO)优化算法对LSSVM中的模型参数进行优化选择.研究结果表明,相比PSO-LSSVM,该组合算法具有较高的预测精度和泛化能力,为循环冷却水的腐蚀预测提供了一种有效手段.