何　鵬，王雅琳，謝永芳，桂衛(wèi)華
中南大學(xué)信息科學(xué)與工程學(xué)院，湖南長沙

摘　　　要：針對(duì)預(yù)測氧化鋁返料成分時(shí)間序列的較小二乘支持向量機(jī)ＬＳＳＶＭ模型，為提高模型預(yù)測精度，首先采用相對(duì)誤差改進(jìn)ＬＳＳＶＭ的優(yōu)化泛函，推出新型的ＬＳＳＶＭ模型；接著，采用新穎的漢默斯里序列抽樣技術(shù)ＨＳＳ在ＳＶＭ模型參數(shù)空間中均勻地抽取出初始的參數(shù)向量；較后通過鮑威爾（Ｐｏｗｅｌｌ）優(yōu)化算法并行求得全局較優(yōu)模型參數(shù)。通過實(shí)際工業(yè)生產(chǎn)數(shù)據(jù)仿真，驗(yàn)證了方法的可行性和有效性，模型預(yù)測精度得到有效提高。

關(guān)　鍵　詞：較小二乘支持向量機(jī)；參數(shù)優(yōu)化選取；氧化鋁返料；鮑威爾算法；抽樣近似

１　引　言
燒結(jié)氧化鋁生產(chǎn)包括配料、燒結(jié)、溶出、脫硅、分解和煅燒６個(gè)工序。配料目的是配制生料漿提供給熟料燒結(jié)過程，所需原料除來自不同礦源的鋁土礦、石灰、堿粉、煤等固體物料，還包括從脫硅和碳酸化分解工序返回的混合漿料（簡稱，返料）。返料受后續(xù)生產(chǎn)過程的影響，成分含量常大幅度頻繁波動(dòng)。由于返料成分實(shí)時(shí)在線檢測困難，根據(jù)滯后的返料離線分析結(jié)果調(diào)整原料配比，造成下料配比不準(zhǔn)確，生料漿指標(biāo)波動(dòng)大，較終影響氧化鋁的質(zhì)量和產(chǎn)量。因此，實(shí)現(xiàn)返料成分含量的實(shí)時(shí)預(yù)測，對(duì)指導(dǎo)配比計(jì)算、控制生料漿質(zhì)量和穩(wěn)定生產(chǎn)有著非常重要的意義。根據(jù)可獲得氧化鋁返料時(shí)序數(shù)據(jù)，文獻(xiàn)［１］先通過粗糙集約簡廣義重構(gòu)相空間，然后采用ＬＳＳＶＭ建立了其時(shí)序的實(shí)時(shí)預(yù)測模型。基于廣義相空間重構(gòu)的ＬＳＳＶＭ模型盡管獲得了一定的返料成分含量預(yù)測精度，但還有待進(jìn)一步提高，特別是對(duì)于一些相對(duì)預(yù)測誤差較大的情況。ＳＶＭ是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的新型機(jī)器學(xué)習(xí)方法，它通過核函數(shù)將低維空間不可分問題轉(zhuǎn)化為高維空間可分的問題予以處理。ＳＶＭ具有優(yōu)良的學(xué)習(xí)和泛化能力，能有效避免過學(xué)習(xí)、局部極小點(diǎn)以及“維數(shù)災(zāi)難”等問題［２］，已在文本分類、圖像識(shí)別、函數(shù)估計(jì)、非線性建模等領(lǐng)域廣泛應(yīng)用。ＳＶＭ的性能很大程度決定于ＳＶＭ的參數(shù)，參數(shù)值的細(xì)微變化可能會(huì)造成ＳＶＭ學(xué)習(xí)能力和推廣能力的巨大變化。為獲得期望的分類正確率或回歸準(zhǔn)確率，專家學(xué)者們提出了各種參數(shù)優(yōu)選的方法［３�玻福荩�并在實(shí)際工業(yè)過程中得到應(yīng)用［９�玻保保荨�從參數(shù)優(yōu)選的角度出發(fā)，本文首先采用相對(duì)誤差改進(jìn)ＬＳＳＶＭ的泛化函數(shù)，建立新型的ＬＳＳＶＭ模型；接著，提出基于漢默斯里序列抽樣技術(shù)ＨＳＳ的并行鮑威爾Ｐｏｗｅｌｌ優(yōu)化算法優(yōu)選該ＬＳＳＶＭ的模型參數(shù)，達(dá)到進(jìn)一步提高返料成分時(shí)序預(yù)測模型預(yù)測精度的目的。工業(yè)應(yīng)用實(shí)例的仿真結(jié)果驗(yàn)證了模型的有效性。

登錄網(wǎng)站后可下載文件