基于最小二乘支持向量机和遗传算法的氧化铝悬浮焙烧能耗估计建模

摘要

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.实验结果表明,建立的焙烧能耗估计模型和模型应用策略,能提高模型的泛化能力、增强模型的工况适应性,是一种有效的焙烧能耗参数估计和分析方法.