关键词：化工过程;异常工况;超早期预警;粒子群优化;最小二乘支持向量机
摘 要：针对化工过程采样间隔短、动态性强,短期参数预测不能为现场人员提供充足的操作时间,提出结合粒子群优化算法和最小二乘支持向量机的异常工况超早期预警方法。采用最小二乘支持向量机对归一化后的过程数据训练,利用粒子群优化算法对最小二乘支持向量机中的核参数和惩罚因子进行快速精确地全局寻优,得到优化的预测模型。在丙烷塔的超压异常工况超早期监测预警案例分析中,能够准确地对未来500s内的过程数据进行预测,相比于标准的最小二乘支持向量机模型,所提方法有效降低了预测误差。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取