EMD-SVM非线性组合模型对高炉铁水含硅量的预测

《EMD-SVM非线性组合模型对高炉铁水含硅量的预测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第19卷第4期中国计量学院学报V01．19No．42008年12月JournalofChinaJiliangUniversityDec．2008【文章编号11004—1540(2008)04—0355-05EMD—SVM非线性组合模型对-．．J同Cj炉铁水含硅量的预测王义康(中国计量学院理学院，浙江杭州310018)【摘要】提出了一种基于经验模式分解(EMD)和支持向量机(SVM)的非线性组合模型的预测方法．该方法运用EMD将原始铁水含硅量的时间序列分解成若干个频率不同的平稳分量，分解后的分量突出了原序列的局部特征．通过Lempel—Ziv复杂度分析选用不同的核函数

2、，并利用10一fold交叉检验方法取定相应的参数，从而对各个分量构建不同的支持向量机模型，并对各分量进行预测．仿真结果表明，EMEvSVM非线性组合模型预测命中率达到9O．【关键词】经验模式分解；支持向量机；铁水含硅量；组合模型【中图分类号】TF531【文献标识码】APredictionofsiliconcontentinhotmetalbasedonEMD—SVMnonlinearcombinedmodelWANGYi—kang(CollegeofSciences。ChinaJiliangUniversity，Hangzhou310018，China)Abstra

3、ct：Intheblastfurnace(BF)ironmakingprocess，thesiliconcontentinhotmetalwhichreflectsthethermalstateofBFiSanimportantindex．InordertOpredictthesiliconcontentinhotmetaleffectivelyandleveluptheforecastingaccuracy，acombinedmodelbasedonEmpiricalModeDecomposition(EMD)andSupportVectorMachine(SVM

4、)isproposed．Firstly，thetimeseriesdataofsiliconcontentinhotmetalaredecomposedintoaseriesofstationaryintrinsicmodefunctions(IMFs)indifferentscalespaceviatheEMDsiftingprocedure．ThelocalfeaturesoforiginaltimeseriesdataareprominentintheIMFs．Secondly，basedontheanalysisofLemple-Zivcomplexitya

5、nd10一foldcrossvalidation，therightkernelfunctionsandtheirparametersarechosentObuilddifferentSVMsrespectivelytopredicteachIMF．Finally，thepredictedresultsofallIMFsarereconstructedtoobtainthefinalpredictedresult．Theresultshowsthatthepredictionissuccessfu1andthehitrateincreasedto9O．Keywords

6、：empiricalmodedecomposition；supportvectormachine；siliconcontentinhotmetal；combinedmodel【收稿日期】2008—08—18【作者简介】王义康(1976一)，男，安徽寿县人，讲师．主要研究方向为系统优化与控制、数学建模356中国计量学院学报第19卷在高炉冶炼过程中，铁水含硅量是评定生铁满足IMF的条件．记C(￡)一h()，则c(￡)为信质量的重要指标，也是表征高炉热状态及其变化号z()的第一个满足IMF条件的分量．的标志之一，还是高炉操作管理的重要参数，而且4)将C()从z(￡)中分离

7、出来，得到r(￡)=铁水的含硅量对于炼钢过程中的渣量生成以及钢z()一f(￡)；r(￡)应包含较长周期分量，把它作液的脱硫、脱磷条件有很大的影响¨1]．因此，研究为新的原始信号，重复步骤(3)的筛选过程，得到较为准确的预测方法，就成为炼铁生产中的重要()的第二个满足IMF条件的分量c()．以上过课题，但迄今为止，这个问题仍未得到很好的解程重复循环，z次，得到信号z(￡)的n个满足IMF决．现有的铁水含硅量预测方法主要有回归分析条件的分量：r1(￡)一C2(￡)一r2(z)，⋯，，．()一法_2]、人工神经网络法“]、混沌预测法l5]、分形预C(￡)一r(￡)．通