基于VMD与改进麻雀算法优化LSSVM的多晶硅生产能耗预测

摘要

针对多晶硅还原生产能耗预测精度较低问题，提出了基于VMD-ASSA-LSSVM模型的多晶硅生产能耗预测方法．首先，采用主成分分析方法对能耗影响因素的数据降维处理，提高模型执行效率．利用变分模态分解（Variational Mode Decomposition, VMD）将能耗序列分解为不同特征尺度能耗分量，降低能耗序列的非平稳性、复杂度．其次，为解决麻雀搜索算法（Sparrow Search Algorithm, SSA）的收敛慢与收敛精度低问题，引入适应性学习因子进行改进．结合改进的自适应麻雀搜索算法寻优最小二乘支持向量机的可调参数，建立了VMD-ASSA-LSSVM的能耗预测组合模型；然后对分解的能耗分量单独预测，叠加子序列预测结果即为最终能耗预测．最后，以某多晶硅企业实际生产数据验证该方法的有效性，证实提高了预测精度．

关键词

多晶硅 / 麻雀搜索算法(SSA) / LSSVM / VMD / 能耗预测