黎书文

（贵州理工学院机械工程学院，贵州 贵阳 550003）

1 引言

铝作为航空航天、汽车、建筑和食品等工业的基础原材料，在国民经济中占据非常重要的地位，而电解铝属于传统高耗能行业，素有“电老虎”之称[1-2]。随着计算机网络和计算机技术等信息技术的不断发展，信息化与工业化的不断深化融合，基于铝电解工业的数据分析与挖掘技术，开展数据驱动的铝电解生产过程质量分析与控制技术研究对于提高铝电解行业智能化水平，提高数据行业应用能力具有重要的科学意义和工程实用价值[3]。

针对铝电解生产过程中的数据分析建模及优化控制理论体系，文献[4]提出了一种去噪功能FCM算法的槽况分类多支持向量机氧化铝浓度预测方法，该方法具有预测精度高、训练简单等优点。文献[5]提出了一种用粒子群算法优化最小二乘支持向量机的铝电解氧化铝浓度预测模型，该模型提高了预测精度和计算速度。文献[6]基于粒计算理论，提出了一种基于时间粒的铝电解过热度预测模型，该模型有效提高了过热度的预测精度。上述研究为电解铝生产控制提供了有力支撑，但是缺少对电解槽出铝量的研究。

支持向量回归对于非线性问题具有良好的处理能力，克服了神经网络过拟合、局部最小等缺点[7]，能够有效应用于铝电解槽出铝量预测。但是由于参数设置经验依赖性强，影响支持向量回归精度。因此，为提高支持向量回归预测精度，设……