基于粗集理论和支持向量机的动态预测新方法及应用

                      基于粗集的属性约简理论和SVM回归思想，提出了一种内嵌属性约简策略的SVM动态预测方法(RS  -  SVM)，并用于回转窑烧结带温度测量。该方法首先利用属性约简理论精选出与烧结带温度有重要关联的传感器信号，再利用SVM建立这些传感器信号与烧结带温度之间的非线性映射模型，并不断地跟踪预测误差动态修正SVM预测模型，从而提高了系统的抗干扰性能和容错能力。通过与直接SVM方法进行比较的实验，说明了此方法在回转窑烧结带温度预测的优越性。关键词粗集理论SVM属性约简动态预测回转窑Abstract  Basedo  nth  eid  eaof  th  eat  tributere  ductionof  th  eor  ughse  tsth  eory(  RS)an  dth  esu  pportve  ctorm  achineer  gerssion(  SVM)，aki  ndof  RS  -SVM  dynamic  prediction  approach  is  presented  and  applied  to  predict  the  temperature  of  the  rotary  kiln  sintering  process.  First,  the  sensor  signal  that  isclosely  associated  with  the  sintering  temperature  are  refined场using  the  attribute  reduction  theory.  Then,  a  nonlinear  imaging  model  between  those  sen-。signals  and  sintering  temperature  is  established场utilizing  SVM，and  dynarnically  correct  the  SVM  predictive  model  via  continuous  tracing  the  predictiveerror,  thereby,  the  anti-interference  and  the  fault-tolerant  performances  have  been  improved.  Through  the  comparative  experiments  between  thedirect  SVM  approach  and  the  RS-SVM  approach  proposed  in  this  paper,  the  results  show  that  the  RS-SVM  approach  has  superiority  in  the  temperaturepredictive  task  of  rotary  kiln  sintering  process.Keywords  Roughs  ets  SVM  Attributesre  duction  Dynamicp  rediction  Rotary  ki