基于麻雀搜索算法优化的物料加压过滤过程模型改进

摘要

为了更好地提升物料加压过滤过程的作业效率和脱水效果,获取加压过滤过程的最优控制参数,构建一个高精度的物料加压过滤过程模型,研究分析了支持向量机(SVM)和支持向量回归(SVR)的特点,采用从工业压滤脱水系统获取的物料加压过滤脱水数据,分别构建了支持向量回归(SVR)仿真模型和基于麻雀搜索算法优化的支持向量回归(SSA-SVR)仿真模型,并采用平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)、平均百分比误差(MAPE)和决定系数(R^(2))分析了模型的仿真效果,验证了模型对工业加压过滤数据集的仿真精度。试验结果表明:采用麻雀搜索算法优化的支持向量回归(SSA-SVR)仿真模型具有相对更高的精度和更好的真实性,可更好地对加压过滤系统控制参数进行优化和合理控制。