基于DLSSVM的铜闪速熔炼过程工艺参数预测

铜熔炼过程计算机控制模型及程序设计
彭惠清
【期刊名称】《有色冶炼》
【年(卷),期】1995(000)002
【摘要】本文探讨了一种以静态热力学计算为基础的时序控制方法，该法适应了冶金炉反应的特殊性，可以进行优化控制，从而达到熔炼过程主要参数的闭环控制的效果。

【总页数】8页(P31-38)
【作者】彭惠清
【作者单位】无
【正文语种】中文
【中图分类】TF811
【相关文献】
1.铜闪速熔炼过程操作参数预测模型及应用 [J], 谢锴;米沙;严兵;李启
2.铜闪速熔炼过程参数预测模型 [J], 顾毅;颜青君
3.铜闪速熔炼过程能效优化模型研究 [J], 董云成;林晨晗
4.基于投影寻踪回归的铜熔炼过程中关键工艺指标预测模型研究 [J], 刘丽丽;左继红;刘建华
5.铜闪速熔炼过程冰铜品位预测模型的研究与应用 [J], 阳春华;谢明;桂卫华;彭晓波
因版权原因，仅展示原文概要，查看原文内容请购买。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201710767106.8(22)申请日 2017.08.30(71)申请人 华中科技大学地址 430074 湖北省武汉市洪山区珞喻路1037号(72)发明人 戴彬　王曼　徐方琳　(74)专利代理机构 华中科技大学专利中心42201代理人 廖盈春　李智(51)Int.Cl.G06Q 10/04(2012.01)G06K 9/62(2006.01)H02J 3/00(2006.01)(54)发明名称一种基于LSSVM优化的负荷预测方法及系统(57)摘要本发明公开了一种基于LSSVM优化的负荷预测方法及系统，包括：(1)在获取原始的历史负荷数据之后，甄别并修正其中的异常数据，构建特征向量，对特征向量进行k均值聚类，根据聚类效果，选择输入变量；(2)以LSSVM模型的惩罚因子C和核函数宽度参数σ，作为粒子群算法的粒子在搜索空间的位置坐标，选择使得适应度值最小的粒子坐标向量值[C ,σ]作为粒子群算法的输出；(3)利用优化处理后的输入变量数据作为LSSVM模型的输入和输出，利用步骤(2)中得到的[C ,σ]，求解负荷预测回归方程，利用回归方程进行负荷预测。

本发明修正了异常数据，找到最适宜的惩罚因子和核函数宽度参数，从而提高基于LSSVM的负荷预测精度。

权利要求书5页 说明书8页 附图3页CN 107506865 A 2017.12.22C N 107506865A1.一种基于LSSVM优化的负荷预测方法，其特征在于，包括以下步骤：(1)在获取原始的历史负荷数据之后，利用双向比较法处理数据，甄别并修正其中的异常数据；然后以温度、日期类型、负荷数据构建特征向量，对特征向量进行k均值聚类，根据聚类效果，选择与待预测日数据特征相似度较高的日期的数据作为训练样本的输入变量；对输入变量进行主成分分析降维处理，去除冗余信息；(2)以LSSVM模型的惩罚因子C和核函数宽度参数σ，作为粒子群算法的粒子在搜索空间的位置坐标，将每次迭代过程中每个粒子的位置向量[C，σ]输入到LSSVM模型，并计算训练集的预测值和实际值的误差作为适应度；在迭代过程中选择适应度好的粒子作为父代粒子，进行交叉操作，然后对粒子的位置变量进行变异；选择使得适应度值最小的粒子坐标向量值[C，σ]作为粒子群算法的输出；(3)利用步骤(1)中优化处理后的输入变量数据作为LSSVM模型的输入和输出，利用步骤(2)中得到的[C，σ]的坐标值C作为LSSVM模型的惩罚因子，坐标值σ作为LSSVM模型的核函数宽度参数，求解负荷预测回归方程，利用回归方程进行负荷预测。

基于改进粒子群优化LSSVM的金属腐蚀速率预测模型邓德慧;邓宗玮;刘闯;卢银均【摘要】针对电力金属设施在土壤中的腐蚀预测问题,分析现有腐蚀预测方法的不足,考虑金属腐蚀影响因素,研究提出了一种采用改进粒子群优化LSSVM的金属庸蚀速率预测方法.在传统粒子群算法中引入收缩因子,以控制粒子速度,增强粒子的搜索能力,从而解决粒子群早熟问题.采用实验数据进行仿真分析,改进PSO-LSSVM预测模型的平均相对误差仅为2.24％,与其他几种方法相比,改进粒子群优化的LSSVM算法具有更高的预测精度.【期刊名称】《电力学报》【年(卷),期】2019(034)001【总页数】7页(P16-22)【关键词】金属腐蚀;改进粒子群;最小二乘支持向量机;预测;收缩因子【作者】邓德慧;邓宗玮;刘闯;卢银均【作者单位】国网湖北省电力有限公司荆门供电公司,湖北荆门448000;国网湖北省电力有限公司荆门供电公司,湖北荆门448000;国网湖北省电力有限公司荆门供电公司,湖北荆门448000;国网湖北省电力有限公司荆门供电公司,湖北荆门448000【正文语种】中文【中图分类】TM862随着电网技术的快速发展，电网安全运行显得尤为重要。

作为电力系统的重要组成部分，变电站接地网[1]、输电线路接地装置[2]和拉线棒[3]等金属设施由于长期埋在地下，土壤对其腐蚀作用会导致金属强度下降，严重时甚至发生断裂，对电力系统稳定性构成严重威胁[4]。

因此，做好腐蚀防护工作，掌握金属腐蚀规律意义重大。

20世纪80年代，加拿大学者开始对电网接地装置的腐蚀特性进行研究，对接地装置进行电磁场仿真分析，并采用腐蚀试验对仿真结果进行对比[5]。

近年来，我国学者对金属腐蚀机理和腐蚀预测也进行了大量的研究。

文献[6]采用SEM、EDS和XRD等先进设备和技术分析了某500 kV变电站接地装置的腐蚀情况，结合金属腐蚀机理提出了相应的防腐措施。

在腐蚀预测方面，文献[7]建立基于BP神经网络的金属腐蚀预测模型，对国内典型地区土壤腐蚀速率进行了计算；文献[8]通过腐蚀试验获得腐蚀数据，利用RBF神经网络模型对接地装置的腐蚀速率进行了预测。

基于IDE-LSSVM的风电场短期风速预测
张妍;王东风;韩璞
【期刊名称】《系统仿真学报》
【年(卷),期】2017(29)7
【摘要】为进一步提高风电场短期风速预测精度,提出一种改进的差分进化算法优化的最小二乘支持向量机短期风速预测模型。

在改进的差分进化算法中综合了两种变异操作算子,改进了变异因子和交叉概率因子,使其根据进化代数自适应变化,保证了进化初期算法的全局搜索能力和种群多样性,提高了进化算法末期局部搜索精度和收敛速度。

把改进的差分进化算法用于最小二乘支持向量机的参数寻优,提高了模型的预测精度,并在河北某风电场的真实历史数据集上建立风速预测模型,仿真实验验证了方法的有效性。

【总页数】11页(P1561-1571)
【作者】张妍;王东风;韩璞
【作者单位】华北电力大学自动化系
【正文语种】中文
【中图分类】TM614
【相关文献】
1.基于融合长短时记忆网络的风电场超短期风速预测研究
2.基于小波分解与SVR 组合的风电场短期风速预测
3.基于遗传算法和最小二乘支持向量机的风电场超短
期风速预测4.基于EEMDSE-ILSTM的风电场超短期风速预测5.基于激光测风雷达及SSA-ELM的风电场短期风速预测
因版权原因，仅展示原文概要，查看原文内容请购买。

基于LS-SVM的高速切削温度预测冯勇;贾丙辉;贾晓林;李翔英【期刊名称】《制造技术与机床》【年(卷),期】2015(000)005【摘要】提出一种基于最小二乘支持向量机(Ls-SVM)的高速切削温度预测方法.为验证其可行性,首先,构建了基于LS-SVM的高速切削温度预测模型并选取影响切削温度变化的主要加工参数(切削速度、进给量、轴向切深和径向切宽)为模型输入;其次,采用Box-Beknhen实验设计方法在尽可能多地获取的切削温度变化数据的同时减少实验次数.然后,构建了基于MCV850加工中心的高速切削温度测量系统,验证了所建立模型的预测精度.结果表明:模型预测误差＜1％;以随机设定的两组不同于实验方案中的切削参数组合为测试数据,预测值偏离测量值百分比分别为0.83％和0.51％,表明所建立预测模型应用于主要加工参数情况下高速切削温度预测的可行性.【总页数】6页(P110-114,117)【作者】冯勇;贾丙辉;贾晓林;李翔英【作者单位】南京工程学院机械工程学院,江苏南京211167;南京工程学院机械工程学院,江苏南京211167;南京工程学院机械工程学院,江苏南京211167;南京工程学院机械工程学院,江苏南京211167【正文语种】中文【中图分类】TG506.1;TP391.4【相关文献】1.高速切削热及温度预测研究进展 [J], 冯勇;汪木兰;王保升2.基于LS-SVM的电炉钢水温度预测 [J], 韩颖3.基于LS-SVM的陶瓷窑炉温度预测控制 [J], 王思明;刘伟;张国武4.基于LS-SVM的流向变换催化燃烧反应器的温度预测 [J], 郭翔;刘新斌;宗志敏5.铝合金高速加工过程切削温度预测研究综述 [J], 张钰萍;林有希;孟鑫鑫;俞建超因版权原因，仅展示原文概要，查看原文内容请购买。

基于CSO算法优化的LSSVM熔盐温度预测任婷;刘石;姜越;刘厦;薛军【期刊名称】《可再生能源》【年(卷),期】2017(035)002【摘要】吸热器的安全高效运行在太阳能热发电系统中起到了至关重要的作用.吸热管中熔盐出口最高温度和平均温度为太阳能热发电系统中吸热器的设计、材料的选择和运行控制提供了重要的科学依据.文章提出了基于最小二乘支持向量机(Least squares support vector machines,LSSVM)的快速预测方法,预测不同工况下吸热管中熔盐出口最高温度和平均温度.为了提高预测精度,利用猫群优化(Cat Swarm Optimization,CSO)算法求解LSSVM方法中的超参数.数值计算结果证实了LSSVM方法是可行的,从而为研究塔式太阳能吸热器的热特性以及运行控制提供一种新的有效方法.【总页数】8页(P224-231)【作者】任婷;刘石;姜越;刘厦;薛军【作者单位】华北电力大学能源动力与机械工程学院,北京102206;华北电力大学能源动力与机械工程学院,北京102206;华北电力大学能源动力与机械工程学院,北京102206;华北电力大学控制与计算机工程学院,北京102206;国网黑龙江省电力有限公司鸡西供电公司,黑龙江鸡西 158100【正文语种】中文【中图分类】TK011【相关文献】1.基于CSO-LSSVM的复杂气象条件下污区等级评估方法 [J], 黄绪勇;沈志;王昕2.基于PSO-LSSVM的高压电力电缆接头温度预测 [J], 何邦乐;黄勇;叶頲;徐浩森3.基于PSO-LSSVM的高压电力电缆接头温度预测 [J], 何邦乐;黄勇;叶頲;徐浩森;4.基于CSO-LSSVM的复杂气象条件下污区等级评估方法 [J], 黄绪勇; 沈志; 王昕5.基于改进PSO-LSSVM模型的变压器绕组热点温度预测 [J], 刘闯;卢银均;刘红云;向晓;王梁伟因版权原因，仅展示原文概要，查看原文内容请购买。

基于SVM和多特征融合的沪铜期货价格预测分析【摘要】本文使用支持向量机(SVM)和多特征融合方法进行沪铜期货价格预测分析。

首先介绍了SVM原理和多特征融合方法，然后构建了沪铜期货价格预测模型并进行了实证分析。

通过对实证结果进行讨论，得出了一些结论并指出了研究的局限性。

最后展望未来研究方向，为沪铜期货价格预测提供了参考。

通过本研究，可以更好地理解和预测沪铜期货价格的波动趋势，为投资者提供决策支持。

【关键词】支持向量机(SVM)、多特征融合、沪铜期货、价格预测、模型构建、实证分析、结果讨论、研究结论、研究局限性、未来展望1. 引言1.1 研究背景近年来，金融市场的波动性越来越大，投资者需要更准确的价格预测来指导决策。

沪铜期货作为全球最重要的有色金属市场之一，其价格波动对整个市场和相关产业具有重要影响。

开展沪铜期货价格预测研究变得尤为重要。

通过对沪铜期货价格进行预测，不仅可以帮助投资者制定更合理的投资策略，还能为相关研究提供重要参考。

本文旨在基于SVM和多特征融合方法，构建沪铜期货价格预测模型，为投资者和研究人员提供更准确的预测信息。

1.2 研究意义沪铜期货价格作为全球经济繁荣与衰退的晴雨表，具有重要的金融市场价值和经济意义。

准确预测沪铜期货价格对投资者、政府监管部门、企业管理者等各方都具有重要意义。

对于投资者来说，准确的价格预测可以帮助他们做出理性的投资决策，降低投资风险，获取更高的收益。

政府监管部门可以通过价格预测及时采取措施来维护市场秩序，稳定经济运行。

对企业管理者来说，准确的价格预测有助于提前制定合理的生产和销售计划，降低经营风险，提高企业盈利能力。

基于SVM和多特征融合的沪铜期货价格预测分析具有重要的研究意义，可以为相关行业提供有效的决策支持和参考依据。

1.3 研究目的研究目的：本研究旨在通过利用支持向量机（SVM）和多特征融合方法，对沪铜期货价格进行预测分析，以提高投资者对该市场走势的预测准确性。

基于CSO-LSSVM模型的选择性激光烧结成型工艺参数优化蒋成雷;李健;肖亚宁;郭艳玲;王扬威【期刊名称】《制造技术与机床》【年(卷),期】2024()3【摘要】成型收缩是影响选择性激光烧结技术(selective laser sintering,SLS)制件精度的关键因素,而工艺参数对材料烧结情况和收缩变形程度有着明显影响,因此选择合理的参数组合对减小精度误差和改善成型性能质量有着重要意义。

为降低SLS 成型件工艺参数优化试验成本,文章开发了一种名为CSO-LSSVM成型精度预测模型用于工艺参数的预测。

该模型的设计思路是:首先,通过Sine映射、非线性切换因子和针孔成像反向学习等3种改进策略全方面协调增强了蛇优化器(snake optimizer,SO)的收敛精度和寻优速度,接着,将改进后的蛇优化器(chaotic multi-strategy enhanced snake optimizer,CSO)与最小二乘支持向量机(least square support vector machine,LSSVM)结合,整定关键核函数参数,提高模型预测精度和泛化能力。

为验证CSO-LSSVM模型的有效性和优越性,利用Matlab软件在真实数据集基础上将其与LSSVM、BP(back propagation)神经网络以及极限学习机(extreme learning machine,ELM)模型进行对比。

结果表明:文中所提方法具有更高的预测精度,其误差评价指标均方根误差、平均绝对百分比误差和平均绝对误差分别为0.5462、9.4877、0.4017。

该模型可为SLS成型加工提供最优工艺参数,有效指导加工。

【总页数】9页(P147-155)【作者】蒋成雷;李健;肖亚宁;郭艳玲;王扬威【作者单位】东北林业大学机电工程学院【正文语种】中文【中图分类】TH140.7;TP273【相关文献】1.松木粉聚醚砜树脂复合材料的选择性激光烧结成型工艺参数优化2.基于选择性激光烧结成型的无模具快速精铸工艺3.基于选择性激光烧结成型的无模具快速精铸工艺4.基于SOA-BP神经网络的选择性激光烧结成型件精度预测模型5.基于响应面法的激光烧结成型工艺参数优化因版权原因，仅展示原文概要，查看原文内容请购买。

基于ICA-LSSVM的铜萃取混合模型
于亮;毛志忠;贾润达
【期刊名称】《东北大学学报（自然科学版）》
【年(卷),期】2014(035)010
【摘要】由于湿法冶金萃取生产过程中组分的质量浓度在线检测极其困难,因此提出了一种结合独立成分分析与支持向量机的数据建模方法,建立了铜萃取过程组分的质量浓度预测模型.首先利用独立成分分析方法对现场数据进行预处理,然后利用支持向量机建立分配比模型对预测模型中的必要参数进行辨识,从而增强了铜萃取过程组分质量浓度预测模型的准确性.通过萃余液铜质量浓度和反萃余液铜质量浓度的实验证明了该模型更有效、更精确,为进一步控制管理提供了理论基础.
【总页数】4页(P1369-1372)
【作者】于亮;毛志忠;贾润达
【作者单位】东北大学信息科学与工程学院,辽宁沈阳110819;东北大学信息科学与工程学院,辽宁沈阳110819;东北大学信息科学与工程学院,辽宁沈阳110819【正文语种】中文
【中图分类】TG335.58
【相关文献】
1.用LIX 622从含砷铜/锌混合精矿加压浸出液中萃取铜 [J], 王春;蒋开喜;王海北;刘大星;刘三平;张邦胜;王玉芳
2.N902萃取分离铜锌混合液中铜的试验研究 [J], 季登会;罗文波;廖亚龙;唐瑞祥
3.高位阻β-二酮和LIX84混合萃取剂从氨性溶液中萃取铜 [J], 向延鸿;尹周澜;冉盈;胡慧萍;陈启元
4.用LIX 622从含砷铜／锌混合精矿加压浸出液中萃取铜 [J], 王春;蒋开喜;王海北;刘大星;刘三平;张邦胜;王玉芳
5.基于COSMO-RS模型的分离油酚混合物的离子液体萃取剂筛选 [J], 刘潜;张香兰;李巍
因版权原因，仅展示原文概要，查看原文内容请购买。

基于智能集成策略的铜闪速炉冰铜温度预测模型
颜青君;桂卫华;彭晓波
【期刊名称】《计算机测量与控制》
【年(卷),期】2007(15)9
【摘要】针对铜闪速炉冰铜温度预测问题,提出了一个基于智能集成策略的预测模型;该模型结合了基于热平衡的数学模型和模糊神经网络模型,再通过一个智能协调器调整两个模型的权值,最终得到冰铜温度的预测结果;仿真结果表明,该模型的最大相对误差为1.3%,平均相对误差为0.7%,可以较准确地反映冰铜温度的变化趋势,为生产操作提供有益的指导.
【总页数】4页(P1157-1160)
【作者】颜青君;桂卫华;彭晓波
【作者单位】中南大学,信息科学与工程学院,湖南,长沙,410083;中南大学,信息科学与工程学院,湖南,长沙,410083;中南大学,信息科学与工程学院,湖南,长沙,410083【正文语种】中文
【中图分类】TP274
【相关文献】
1.铜闪速炉冰铜温度预测模型的研究 [J], 颜青君;桂卫华;彭晓波
2.基于自适应模糊神经网络的铜闪速熔炼冰铜温度模型研究 [J], 曾青云;周立;汪金良;刘桦
3.基于PNN和IGS的铅锌烧结块成分智能集成预测模型 [J], 王春生;吴敏;佘锦华
4.基于智能融合策略的冰铜品位预测模型 [J], 王凌云;桂卫华;彭晓波
5.基于IGS和SVM的烧结返矿量智能集成预测模型 [J], 王春生;吴敏;曹卫华因版权原因，仅展示原文概要，查看原文内容请购买。