基于证据框架的最小二乘支持向量机在精对苯二甲酸生产中的应用

支持向量机是一种基于统计学习理论的新型机器学习方法.本文给出一种考虑损失函数的噪声模型参数β的贝叶斯证据框架最小二乘支持向量机回归算法,通过贝叶斯证据框架自动调整正则化参数和核参数,更好地实现了最小化误差和模型复杂性之间的折中.将提出的算法用于精对苯二甲酸（purified terephthalic acid,PTA）生产过程中的关键指标对羧基苯甲醛（4-carboxybenzaldhyde,4-CBA）含量的预测中,能很好地跟踪4-CBA含量的变化趋势,泛化能力较强,为4-CBA含量的实时预测提供了很好的解决方案.     

支持向量回归在乙烯裂解产物收率软测量中的应用

乙烯裂解产物收率的实时预报对于裂解炉的生产具有重要意义。针对有效的样本数据较少的问题,采用支持向量回归方法建立裂解产物收率的软测量模型。对于支持向量机中模型参数的选取,采用了微粒群优化算法进行参数寻优,提高了建模效率和模型精度。基于现场数据的建模实验结果表明,基于支持向量回归方法的乙烯裂解产物收率软测量模型预报精度较高,趋势跟踪性能良好。     

一种粉煤灰混凝土砖渗透性的智能预测方法

渗透性是评价高性能混凝土的重要指标之一.提出了一种最小二乘支持向量机的掺粉煤灰高性能混凝土的氯离子渗透性预测新模型.以水胶比、水泥用量、单方混凝土用水量、粉煤灰掺量四项因素为输入,氯离子渗透系数为输出,通过最小二乘支持向量机模型拟合输入与输出之间的复杂非线性函数关系.以实验数据为样本对模型进行学习训练,用训练好模型预测在一定工艺条件下混凝土氯离子渗透系数.实践表明,该方法具有建模速度快、预测精度高、操作简便等优点,不仅克服了常规的BP预测模型的不足,而且性能优于标准支持向量机预测模型.     

基于模糊核聚类的乙烯裂解深度DE-LSSVM多模型建模

乙烯裂解深度的建模与控制对于裂解炉的实时优化具有重要意义。针对石脑油原料组分复杂、油品特性波动大等状况,采用模糊核聚类对石脑油数据库进行最优划分,建立最小二乘支持向量机的多模型,对于最小二乘支持向量机中模型的参数选取,利用差分进化算法进行参数寻优,提高了模型的精度和泛化能力。通过对现场数据的建模实验,结果表明：基于模糊核聚类的乙烯裂解深度最小二乘支持向量机多模型跟踪性能良好,预测精度较高。     

丁二酸发酵过程软测量模型的参数优化研究

针对生物转化法制备丁二酸发酵过程机理复杂、高度非线性、生物参数难以实时在线测量等特点,采用基于结构风险最小化的支持向量机对发酵过程建模.与神经网络方法相比,所建模型的预测效果更好.同时采用粒子群算法对支持向量机模型中     

基于深度集成支持向量机的工业过程软测量方法

基于支持向量机（SVM）的软测量建模方法已经在工业过程控制领域得到广泛应用,然而传统支持向量机直接针对原始测量变量建立模型,未能充分挖掘数据的内在特征信息以提高预测精度。针对该问题,本文提出一种基于深度集成支持向量机（DESVM）的软测量建模方法。该方法首先利用深度置信网络（DBN）来对数据进行深层次的信息挖掘,提取出数据的内在特征,然后引入基于Bagging算法的集成学习策略,构建基于深度数据特征的集成支持向量机模型,以提升软测量预测模型的泛化能力。最后通过数值系统和真实工业数据对方法进行应用分析,结果表明本文提出的方法能够有效提升支持向量机软测量模型的预测精度,能够更好地预测过程质量指标的变化。     

基于深度集成支持向量机的工业过程软测量方法

基于支持向量机(SVM)的软测量建模方法已经在工业过程控制领域得到广泛应用,然而传统支持向量机直接针对原始测量变量建立模型,未能充分挖掘数据的内在特征信息以提高预测精度。针对该问题,本文提出一种基于深度集成支持向量机(DESVM)的软测量建模方法。该方法首先利用深度置信网络(DBN)来对数据进行深层次的信息挖掘,提取出数据的内在特征,然后引入基于Bagging算法的集成学习策略,构建基于深度数据特征的集成支持向量机模型,以提升软测量预测模型的泛化能力。最后通过数值系统和真实工业数据对方法进行应用分析,结果表明本文提出的方法能够有效提升支持向量机软测量模型的预测精度,能够更好地预测过程质量指标的变化。     

基于变异CPSO算法的LSSVM蒸发过程软测量

在分析混沌粒子群优化算法(CPSO)和最小二乘支持向量机(SVM)理论基础上,以某氧化铝厂蒸发过程为对象,采用带有末位淘汰机制的混沌粒子群优化算法优化支持向量机的参数,建立了基于变异CPSO算法的LS-SVM的氧化铝蒸发过程软测量模型,并与PSO-LSSVM、LSSVM模型比较,研究表明,ICPSO-LSSVM模型预测准确,泛化性能好,且该模型预测结果中相对误差小于5%的样本达到92.5%,最大相对误差仅为8.1%,均方差MSE为0.05153,模型具有较高的精度,其现场实施结果表明基本可以实现出口浓度的实时在线预估。     

基于迁移学习工况划分的裂解炉收率PSO-LS-SVM建模

乙烯裂解炉收率的实时预测对于生产的先进控制及节能降耗具有重要意义。实际生产过程中,不同工况的收率具有较大差别,采用单一工况、单一模型无法满足生产需要。考虑到裂解炉不同运行过程中的相似性,同时为了减小建模过程中典型样本的采集成本,有效利用历史数据,辅以迁移学习算法实现工况的高精度划分。不同工况采用泛化能力强、训练速度高的最小二乘支持向量机建模,并利用粒子群算法对LS-SVM的参数寻优,进一步提高模型精度,从而实现了多工况、多模型的高精度收率预测。基于某乙烯厂现场数据的实验结果表明,多工况、多模型的预测效果更准确合理,PSO优化LS-SVM建立的裂解炉收率模型预测精度更高,趋势跟踪性能良好。     

生物反应过程的在线支持向量机建模优化

针对生物反应过程具有较强的非线性、时变性,建立准确的机理模型较为困难,并且复杂的机理模型也无法用于在线控制和优化。将在线支持向量机和机理模型结合,提出串并联在线自校正混合建模方法。通过对典型生化过程谷氨酸的生产过程分析,找到影响谷氨酸浓度的关键参数;从现场历史数据中选取样本,建立基于在线向量机的软测量模型。实验结果表明该模型对谷氨酸浓度预测效果较好。     

采用热熔态高炉渣和转炉渣生产水泥熟料的探讨

通过对炼铁高炉渣、转炉渣和水泥熟料的组分进行对比分析,发现其组分比较接近。经初步探讨认为,优化高炉渣和转炉渣的成分,使两者在热熔状态下混合均匀,或同时配加部分矿物,可以生成和水泥熟料基本一致的组分。这样既充分利用了高炉渣和转炉渣及其余热,又减少了水泥熟料的资源消耗,达到了废渣综合利用、节能减排和低碳的目的。     

基于节能减排思想分析炼铁工艺的发展

通过对中国炼铁产业现状进行分析,明确其在中国经济可持续发展中的重要性,指出由其所带来的严峻的能耗和环保问题. 基于钢铁企业的碳素流和能量流,分析了其节能减排的核心问题以及节能潜力点,认为炼铁系统的减排主要在于减少煤焦等含碳燃料的消耗,节能主要在于高效地利用炉顶煤气的显热和潜热,以及充分利用炉渣显热. 分析了当前较先进的炼铁系统节能减排技术,如喷吹焦炉煤气、喷吹塑料、全氧鼓风、高炉渣显热回收等,这些技术均是在高炉工艺基础上开发的,其普及程度对中国炼铁产业的节能减排至关重要. 展望了炼铁系统节能减排未来的研究方向,短期应深入研究燃料消耗机理,提高煤焦等燃料的利用效率,同时调整高炉系统能源结构,拓展更多清洁能源为炼铁系统所用,开源节流. 长期应深入思考炼铁系统碳脱氧还原的本质,着手新工艺的探索性研究,以从本质上改变炼铁工艺高能耗高排放的缺点.     

含CO副产气资源化利用进展

将含CO副产气利用起来不仅可以减少环境的污染，还能增创企业效益。主要综述了含CO的高炉煤气、焦炉煤气、转炉煤气、醋酸尾气等副产气的利用进展，比较了各种方法优缺点，并对改进方向做了介绍。     

基于响应曲面法的高炉煤气CO2吸收工艺参数优化

工艺参数优化是降低碳捕集系统再生能耗的有效途径之一.以高炉煤气醇胺溶液吸收CO2捕集系统为研究对象,将Aspen Plus与响应曲面法(RSM)相结合,研究贫液温度、贫液负荷、再生塔压力对碳捕集系统再生能耗的影响.在此基础上以Aspen Plus模拟数据为样本,并以样本中的再生能耗为响应值,利用响应曲面法建立数学模型,...     

Rist操作线在分析COREX竖炉能耗中的应用

利用高炉里斯特(Rist)操作线原理,研究了COREX熔融还原流程上部竖炉冶炼过程的能量消耗问题,建立了COREX竖炉的Rist操作线,并讨论了其限制条件. 通过计算以图例的形式给出冶炼过程的主要物理化学反应和能量利用情况,可直观地判断冶炼结果,为进一步提高煤气利用提供方向. 结合现场的实际操作条件,给出了Rist操作线在实际生产中的应用,并分析了入炉还原气成分、还原煤气利用率等因素对操作线的影响,为现场工作人员操作竖炉提供理论指导,以保证竖炉炉况顺行.     

高炉冶炼过程中炉缸热状态模糊综合评价

基于炉温预测与多参数信息,以2500 m3高炉为对象,依据实际生产情况与专家经验,分析、提取了表征高炉炉缸运行热状态的重要参数,建立了炉缸热状态综合评价指标体系和高炉炉缸热状态两级模糊综合评价模型,利用统计法确定评价指标权重与隶属度函数。与实际运行情况比较,模型评价结果匹配率高达97.11%,与实际一致,且实时、准确有效。     

玻璃熔窑大碹横向膨胀率的支持向量回归预测

根据不同温度下的玻璃熔窑大碹横向膨胀率的实测数据集,应用基于粒子群算法寻优的支持向量回归结合留-交叉验证的方法对玻璃熔窑大碹横向膨胀率进行了建模和预测,并将其预测结果与最小二乘回归进行了比较。结果表明：留-交叉验证法的支持向量回归预测的均方根误差、平均绝对误差和平均绝对百分误差均为最小。囚此,支持向量回归是一种预测玻璃熔窑大碹横向膨胀率的有效方法。     

“双碳”背景下高炉使用高比例球团的展望

碳达峰和碳中和是我国承担解决气候问题的大国责任,推动生态文明建设和高质量发展的重要举措。高的碳排放是限制钢铁行业实现“双碳”目标的关键因素。为了达到低碳发展目标,一方面进行突破性的低碳冶金工艺的开发和应用,或拥有足够的优质废钢资源供给;另一方面,充分发挥现有高炉流程成熟、高效、优质、低成本等特点,结合铁矿资源条件,充分利用球团矿优良的冶金性能、生产过程低能耗和低排放等优势,开发高炉使用高比例球团的炉料结构和相关操作制度,实现全系统最佳的能源消耗和碳排放水平,提高现有流程的综合竞争力。高炉使用高比例球团的相关技术研究、开发和应用在国内外都已取得显著进展,我国在部分企业具备一定的资源优势条件,开展了大量前期研究和生产实践,未来的发展将为我国钢铁行业实现低碳目标产生积极效应。要点：(1)钢铁行业碳排放占世界碳排放总量的比例较大,尤其我国是钢铁大国,行业低碳发展意义重大。(2)钢铁生产过程中,铁前系统的能耗和碳排放占据主导地位,而球团矿生产的能耗、有害气体排放和碳排放等指标大大优于烧结矿生产。(3)国内外高炉使用高比例球团的技术趋于成熟,充分利用球团矿优良的冶金性能,优化高炉系统和操作制度,是...     

制磷电炉内电流分布及影响因素探讨

电炉制磷的电耗高，为降低能耗，分析了制磷电炉内的电流分布情况和电能转换成热能过程，并对电极熔池直径的计算方法作了探讨。指出制磷工作者必须根据磷矿和焦炭的化学组成，选择合理的制磷电炉几何尺寸，电气参数和优惠工艺条件，生产中要随时调节炉料焦比和I/E值，在满负荷、最佳状态下运行，从而实现运行稳定、热效率高、电耗低、使用寿命长，达到上佳的技术经济指标。     

炼焦生产过程质量产量能耗的集成优化控制

针对炼焦生产过程强非线性、大时滞等特点,基于过程参数的主元分析和灰色关联分析,建立了焦炭质量、产量及焦炉能耗的神经网络预测模型和以焦炭质量为约束条件,产量、能耗为目标函数的优化控制模型。提出一种融合模糊C均值聚类粗优化和差分进化细优化的集成优化控制方法,进行过程参数的优化并给出操作优化指导。系统仿真结果表明,该方法能有效地抑制工况的波动,达到高产、优质、低耗的生产目标,为复杂工业过程的建模和优化控制提供了一种新思路。