位置:成果数据库 > 期刊 > 期刊详情页
基于IGS和SVM的烧结返矿量智能集成预测模型
  • ISSN号:1001-0920
  • 期刊名称:控制与决策
  • 时间:0
  • 页码:450-454
  • 语言:中文
  • 分类:TP273[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]中南大学信息科学与工程学院,长沙410083
  • 相关基金:国家杰出青年基金项目(60425310).
  • 相关项目:工程系统与控制
中文摘要:

针对烧结返矿量难以进行有效预测的问题,提出一种智能集成预测模型.首先利用改进灰色系统和支持向量机两个单一模型分别对返矿量进行预测;然后基于预测精度的数学期望和标准差,通过求取最优加权系数,建立烧结返矿量智能集成预测模型进行返矿量集成预测.运行结果表明,该集成模型的预测精度高于单一模型,能有效地对返矿量进行预测.

英文摘要:

Based on the fact that the quantity of return mines is hard to predict effectively, an intelligent integrated prediction model is proposed. The quantity of sintering return mines is respectively predicted by using two single models, improved gray system (IGS) and support vector machine (SVM). Then, based on two precision indicators of mean and deviate, an intelligent integrated prediction model is introduced to predict the quantity of sintering return mines by calculating optimal weight coefficient. The prediction results show that the prediction precision of the integrated model is higher than that of single model, and it can predict the quantity of sintering return mines effectively.

同期刊论文项目
期刊论文 174 会议论文 51 获奖 10 专利 8 著作 5
同项目期刊论文
期刊信息
  • 《控制与决策》
  • 北大核心期刊(2011版)
  • 主管单位:中华人民共和国教育部
  • 主办单位:东北大学
  • 主编:张嗣瀛 王福利
  • 地址:沈阳市东北大学125信箱
  • 邮编:110004
  • 邮箱:kzyjc@mail.neu.edu.cn
  • 电话:024-83687766
  • 国际标准刊号:ISSN:1001-0920
  • 国内统一刊号:ISSN:21-1124/TP
  • 邮发代号:8-51
  • 获奖情况:
  • 1997年被评为辽宁省优秀编辑部,1999年期刊影响因子在信息与系统类期刊中排名第二位
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:32961