用于高炉铁水质量预报的改进支持向量回归 (2012年)

针对建模数据中包含噪声和离群点会降低相应软测量模型准确性的问题，提出一种结合2层变量空间分析的预处理方法．用多变量修剪法在原始变量空间预处理；并提出支持向量聚类(SVC)的预处理方法，将建模数据映射到高维特征空间，构造一超球体来排除离群点．SVC无需像传统预处理方法假设数据服从正态或近似正态分布，更符合实际的高炉过程．预处理后的数据再用支持向量回归建立软测量模型．在一工业高炉铁水硅含量的建模和预报实验结果表明，所提出方法能够更有效排除离群点，且提高了支持向量回归模型的鲁棒性和预报性能．