基于 LS - SVM 的钢铁企业电炉负荷预测

• 作 者: 张庆新 崔展博 王路平 于汇洋
• 机 构: 沈阳航空航天大学自动化学院
• 出 处: 计算机仿真
• 发表日期: 2013年12期
• 关键词: 最小二乘 支持向量机 滤波 线性回归 鲁棒性 Least squares Support vector machine （ SVM ） Filterin

在钢铁企业电炉负荷预测的研究中,针对钢铁企业电炉负荷震荡剧烈,幅度大,伪周期性等难以准确预测的问题,借助klman滤波对"失真数据"进行预处理,分别采用固定时长和可变时长电炉曲线模型对电炉负荷进行预测,将电炉冶炼状态向量扩展为一个特征向量,进而使特征曲线参数向量的估计问题转化为一个最小二乘问题,采用最小二乘支持向量机算法来求解,仿真结果表明,两种方法均具有良好的预测效果。但在实际冶炼过程中,不同的钢种对应的冶炼时间稍有不同,而模型Ⅱ中典型曲线的长度是弹性变化的,具有较好的鲁棒性。