改进支持向量回归及其在铁水硅含量预报的应用

摘要

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(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。