基于鲁棒支持向量机的氧化槽进气量预测研究

作     者：杨济东 

作者单位：新疆大学 

学位级别：硕士

导师姓名：南新元

授予年度：2021年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：生物氧化槽 进气量 鲁棒性 最小二乘支持向量回归 人工蜂群算法 

摘      要：生物氧化工艺凭借其操作简单、污染排放少、成本较低的优势,在对难处理金矿的预处理中有着良好的发展前景。在生物氧化提金工艺中,通过利用筛选过的浸矿菌群对难处理金矿石进行氧化处理,便于后续的氰化提金。在氧含量适宜的环境中菌落的代谢旺盛,金的产出也就越高,因此准确预测进气量进行对提高最终提金率和降低生产成本都有重要意义。由于生物氧化槽内的反应进程难以直接观测,并且影响菌群所需进气量的因素众多,导致进气量存在一定的波动性和随机性。为实现对进气量的准确预测,本文利用相空间重构法处理进气量时间序列数据,根据进气量数据的特性对数据赋予不同的权重,建立具有一定鲁棒性的LS-SVR模型,采用改进的人工蜂群算法优化模型参数,利用ARMA方法对进气量预测结果进行校正。本文的研究内容包括:一、针对氧化槽进气量存在一定波动性和随机性的特点,提出了一种将机会约束和SVR模型结合的R-SVR模型,在保证一定预测准确度的前提下,提高预测模型的鲁棒性。另外对两组特定权重求交集,将混合权重应用于LS-SVR模型建立RWLS-SVR模型,提高模型预测精度。通过仿真实验对比发现,RWLS-SVR模型的预测性能更稳定更精确。二、对人工蜂群算法进行改进,根据适应度的不同将雇佣蜂划分为不同种群,改进雇佣蜂的位置搜索方程,同时将差分进化算法的变异交叉操作引入种群的更新,另外使用改进的缩放因子,增加解在可行域中的分布范围。利用测试函数进行测试发现,改进人工蜂群算法的寻优性能有明显提高。三、对进气量时间序列数据进行相空间重构,利用RWLS-SVR模型预测进气量,采用改进的人工蜂群算法对RWLS-SVR模型进行参数优化,使用ARMA方法对模型预测结果进行校正,建立氧化槽进气量预测系统。设计三组不同的仿真对比试验,从优化算法选择、人工蜂群算法的改进、预测结果校正三方面验证了氧化槽进气量预测系统的有效性。对比实验结果表明,本文所提进气量预测系统对进气量的预测效果具有更好的鲁棒性,预测结果和实际值之间的误差范围较小,同时对于进气量变化幅度较大的预测点也能保证较高的预测准确度,证明进气量预测系统具有良好的准确性和稳定性。