-
作者
张玮李立毅张林林
-
单位
太原理工大学化学化工学院
-
摘要
为了准确地表达PV型旋风分离器的粒级效率与结构参数、操作参数之间复杂的非线性关系,采用PCA-PSO-SVR混合算法对PV型旋风分离器的粒级效率进行建模。采用主元分析法（PCA）对实验数据集进行降维处理,通过粒子群优化算法（PSO）对支持向量回归（SVR）模型中的超参数进行优化。将优化后的回归模型和其它机器学习模型在预测准确性、泛化性、鲁棒性以及运行速度方面进行了对比,结果表明,利用PCA-PSO-SVR算法对PV型旋风分离器的粒级效率建模是一种准确而有效的方法。
-
关键词
PV型旋风分离器支持向量回归算法粒子群优化粒级效率建模主元分
-
基金项目(Foundation)
山西省重点研发计划项目（201903D121027）；
-
文章目录
1 支持向量回归机理
2 基于PCA和PSO的SVR建模
2.1 变量选择
2.1.1 输入变量
2.1.2 输出变量
2.2 基于PCA的数据集降维
2.3 基于PSO的SVR参数优化
2.4 评估指标
3 结果与讨论
3.1 PCA-PSO-SVR模型模拟结果与实验对比
3.2 PCA-PSO-SVR模型与多元回归模型预测结果对比
3.3 PCA-PSO-SVR模型与各种改进SVR模型预测结果对比
4 结论
-
引用格式
张玮,李立毅,张林林.基于PCA-PSO-SVR的PV型旋风分离器粒级效率建模[J].太原理工大学学报,2020,51(05):663-668.
太原理工大学学报 
2020年第05期 
