论文部分内容阅读
在基于极限学习机的基础上，建立了电解槽电阻预报模型。考虑到现场复杂的运行工况，所采集的数据往往包含异常点。异常点的存在常常会影响极限学习机的性能，甚至会损坏建立的模型。为此本文改进了传统的极限学习机算法，提出了针对异常数据的改进的极限学习机算法。在阳极效应预报方面，通过对阳极导杆电流的分布式测量，计算电解槽电阻。分析槽电阻的变化情况，通过改进的极限学习机算法预报下一时刻的槽电阻值，并与阳极效应建立关系，设立相应的预报准则。最后，采用重庆铝厂的真实生产数据证明了此方法准确有效，能够很好地实现阳极效应的预报。