贝叶斯框架下的LS-SVM在热连轧机轧制力预报中的应用

钢铁研究学报, 2011, 23(6): 5-53.

1.北京科技大学高效轧制国家工程研究中心,北京100083

2.北京科技大学高效轧制国家工程研究中心,北京100083

3.北京科技大学高效轧制国家工程研究中心,北京100083

4.北京科技大学高效轧制国家工程研究中心,北京100083

基金项目: 国家高技术研究发展计划项目(2009AA04Z163)

Application of LS-SVM With the Bayesian Evidence Framework to Prediction of Rolling Load of Hot Strip Rolling Mill

利用贝叶斯置信框架推断最小二乘支持向量机模型参数并建立贝叶斯最小二乘支持向量机非线性预测模型.在推断第1层确定模型最优参数,第2层确定正则化参数,第3层确定核参数.将该模型用于某1800热连轧轧制力的预测,在预测精度和速度上都取得了较好的效果.

[1]	刘玠;杨卫东;刘文仲.热轧生产自动化技术[M].北京:冶金工业出版社,2006
[2]	Vapink V.The Nature of Statistical Leaning Theory[M].New York:springer-verlag,1999
[3]	Suykens J A K .Least Squares Support Vector Machines for Classification and Nonlinear Modeling[J].Neural Network World,2000,10(01):29.
[4]	Law M H;Kowk J T.Applying the Bayesian Evidence Framework to V-Support Vector Regression[M].Heidelberg:Springer Berlin,2001
[5]	Kwok JTY. .The evidence framework applied to support vector machines[J].IEEE Transactions on Neural Networks,2000(5):1162-1173.
[6]	阎威武 .支持向量机理论、方法和应用研究[D].上海交通大学,2003.
[7]	李娜,刘明光,杨恒,王福忠.基于贝叶斯置信框架的最小二乘支持向量机模型参数选择方法及SS_7型电力机车牵引电机建模[J].中国铁道科学,2009(06):61-66.
[8]	牛东晓,吕海涛,张云云.贝叶斯框架下最小二乘支持向量机的中长期电力负荷组合预测[J].华北电力大学学报,2008(06):62-66.
[9]	王焱 .智能化热连轧模型优化及参数自学习方法研究[D].北京科技大学,2002.
[10]	孙一康.带钢热连轧的模型与控制[M].北京:冶金工业出版社,2007

上一张下一张

计量

作者相关

文章评分