论文部分内容阅读
提出了一种基于核偏最小二乘(Kernel partial least square，KPLS)的钢材淬透性预测建模方法。采用 KPLS方法对样本数据进行特征提取，消除样本数据输入变量之间的相关性，并引入了免疫遗传算法优化KPLS参数的方法。在此基础上，使用KPLS回归方法建立淬透性预测模型。以某钢厂实际生产数据进行了应用实验，并与现有的多元回归方法、人工神经网络和标准LS-SVM建模方法进行了对比，实验结果表明，本文方法显著提高了钢材淬透性的预测命中率，获得精确的建模效果。