10.11857/j.issn.1674-5124.2016.11.019
基于 IPSO －SVR 的水泥窑尾分解率软测量研究
为实现水泥窑尾分解率的实时在线检测，利用软测量技术在解决工业在线测量问题中的优势，提出一种改进的粒子群参数优化的支持向量回归机算法（ IPSO－SVR ），即通过粒子群算法对支持向量机模型核心参数进行优化选择，并在粒子群算法中引入自适应惯性权重的思想，克服粒子群算法容易出现早熟收敛、陷入局部极值的缺点，最终建立起基于IPSO－SVR的窑尾分解率软测量模型。将其与基于交叉验证法（ CV ）和未改进粒子群算法优化SVR参数的软测量模型进行仿真对比实验，实验表明：该IPSO－SVR模型具有更佳的预测能力，窑尾分解率预测相关系数达0．8575，预测最大相对误差不超过1．14％，平均相对误差为0．75％，可进一步运用到诸如水泥生产等大型工业的产品分解率预测中。
在线检测、窑尾分解率、软测量、粒子群算法、支持向量回归机
42
X70;TP3
吉林省科学技术厅计划项目20150203003 SF
2016-12-27（万方平台首次上网日期，不代表论文的发表时间）
共5页
89-93
