高炉铁水硅含量预报的ICA-SVM建模方法

摘要

提出了一种基于改进的动态独立分量分析(independent component analysis,ICA)和支持向量机(support vector machine,SVM)的高炉铁水硅含量预报模型建模方法.采用动态ICA方法对样本数据进行特征提取,消除生产工艺参数之间的相关性.在此基础上,再使用目前计算复杂性较小的最小二乘SVM算法建立高炉铁水硅含量预报的动态递推模型,并引入了遗传算法以优化模型性能.以某钢厂高炉实际生产数据进行了应用实验,并与现有的时间序列分析、人工神经网络和基本SVM建模方法进行了对比.实验统计结果表明,本文方法显著提高了铁水硅含量的预测命中率.