支持向量机在铁水硅含量预报中的应用  

Application of SVM to prediction of silicon content in hot metal

作　　者：渐令[1] 刘祥官[1] 

机构地区：[1]浙江大学数学系,浙江杭州310027

出　　处：《冶金自动化》2005年第3期33-36,共4页Metallurgical Industry Automation

基　　金：国家级科技成果重点推广计划项目(99040422A)

摘　　要：支持向量机是基于统计学习理论发展而来的一种机器学习算法,它能较好地解决非线性、高维数、小样本、局部极小点等实际问题。本文提出了使用最小二乘支持向量机模型预测高炉铁水硅含量的方法,以山东莱钢1号高炉在线采集数据作为应用案例。结果表明最小二乘支持向量机模型预测高炉铁水硅含量命中率可达到85%以上。SVM(Support Vector Machines) is a novel algorithm of machine learning which is based on SLT(Statistical Learning Theory).It can solve the problem characterized by nonlinear,high dimension,small sample and local minimizing perfectly.An approach applied to prediction of silicon content in hot metal is presented based on LS-SVM.Taking No 1 blast furnace of Laiwu Iron and Steel Group Co as an example,application result shows that the rate of hit shot of silicon content is more than 85 %.

关 键 词：硅含量预报 最小二乘支持向量机 铁水硅含量 机器学习算法 统计学习理论 模型预测 局部极小点 实际问题 应用案例 采集数据 非线性 高维数 小样本 高炉 命中率 

分 类 号：TF325[冶金工程—冶金机械及自动化]