偏最小二乘回归神经网络在城市生活用水量预测中的应用

科学的预测城市生活需水量对城市的发展具有十分重要的意义.城市生活需水量受到多重因素的影响,各因素之间的相关性较大.将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数;利用神经网络建模可以较好地解决非线性问题.将偏最小二乘回归与神经网络耦合,建立了城市生活用水量预报模型.实例表明,耦合模型的拟合和预报精度均较好.     

城市生活用水量预测的PLS-ANN模型

城市生活用水量受到多重因素的影响,这些因素之间的相关性都较大.将偏最小二乘回归与神经网络耦合,建立了城市生活用水量预测模型.将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数;利用神经网络建模可以较好地解决非线性问题.实例表明本预测模型的拟合和预测精度均较好.     

基于偏最小二乘支持向量机回归区域物流量预测

研究采用偏最小二乘支持向量机回归模型进行区域物流量预测问题.针对普通最小二乘预测所存在的问题和物流系统样本量少的具体状况,提出偏最小二乘支持向量机回归区域物流量预测方法,采用主成分分析法提取影响物流量因素的新综合变量,建立以新综合变量为输入,物流量为输出的支持向量机回归非线性预测模型,在廊坊市物流量预测中进行仿真试验,证明了该方法的可行性与正确性.     

面向循环流化床烟气脱硫系统的T-S模糊建模

循环流化床烟气脱硫(CFB-FGD)技术是目前应用比较广泛的脱硫方式,由于CFB-FGD系统是个复杂的非线性系统,很难建立其数学模型,而模糊建模被证明在非线性系统的建模中具有很大优势,因此本工作提出了CFB-FGD系统的T-S模糊建模。本工作通过分析CFB-FGD系统的基本原理和工艺流程,以及实际操作过程中的控制参数,对此系统中烟气出口温度控制回路进行研究,并对其控制回路建立了T-S模糊模型。建立系统的T-S模糊模型之后用鲁棒竞争算法进行辨识,为了简化模糊规则在所有简化方法中采用正交最小二乘法,这样获得的T-S模型具有较高的建模精度和泛化能力。最后通过仿真验证了所建立的CFB-FGD系统中的主要控制回路模型具有很好的动态响应,能够很好地逼近实际系统。     

基于核主元分析和支持向量机的电站锅炉飞灰含碳量软测量建模

飞灰含碳量是影响锅炉热效率的一个重要因素,是评价燃烧好坏和锅炉优化运行的重要指标。利用最小二乘支持向量机这种新的机器学习工具,建立了飞灰含碳量的软测量模型。针对模型输入变量之间存在强耦合、非线性等特征,采用核主元分析(KPCA)提取变量的特征信息以有效处理非线性数据。应用该模型对某300MW四角切圆燃煤电站锅炉的飞灰含碳量进行研究,理论分析和仿真计算表明,该方法学习速度快、泛化能力强、对样本的依赖程度低,比BP神经网络的软测量建模具有更好的推广能力。     

基于LS-SVM的模糊控制器研究

探讨了利用最小二乘支持向量机(LS-SVM)进行模糊控制器分析与设计研究的方法,提出了基于LS-SVM模型的模糊控制算法.该控制器融合了模糊控制与支持向量机的优点,具有不依赖被控对象模型、泛化能力强等特点.仿真结果表明,LS-SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力.基于LS-SVM的模糊控制器具有很好的控制性能.     

基于SOMK算法的T-S模糊系统建模方法

针对T-S模糊系统建模中的结构辨识和参数辨识问题,以自组织特征映射SOM算法与K-means算法相结合的SOMK算法对输入样本进行聚类,同时以Davies-Bouldin(DB)指标来验证聚类的有效性,得到最佳聚类数即为T-S模糊系统模型的规则数。然后用所得模糊规则数和聚类中心来辨识T-S模糊系统模型前件参数进而采用最小二乘算法来确定模糊推理规则的后件参数。最后,用仿真实例验证了文中所提出的建模方法与相应算法。仿真结果表明,该方法逼近精度高,泛化能力强,具有较好的实际应用价值。     

变量选择在废水处理过程软测量建模中的应用

化学需氧量与悬浮固形物含量是造纸工业废水排放中需要重点监测的指标,建立有效的废水出水水质预测模型是优化控制废水中污染物排放量的有效方法。由于实际工业废水处理过程的复杂性,可测变量之间存在强相关性,利用偏最小二乘法提取变量的投影重要性信息进行变量选择,将选择后的最优变量子集作为软测量模型的输入,建立出水水质的最优预测模型。以最小二乘支持向量机模型为例,基于变量选择的最小二乘支持向量机模型对出水化学需氧量进行预测时均方根误差降低了15.2%,相关系数提高了14.4%;对于出水悬浮固形物模型,均方根误差降低了20.5%,相关系数提高了16.1%。结果表明在建模时进行变量选择可以降低模型的复杂度和提高模型的泛化能力。     

船舶动力系统智能控制

针对船舶动力系统存在着非线性、不确定性和复杂性,传统的速度调节系统已经不能满足控制需要,作者将模糊神经网络应用到复杂过程控制中去,实现动力系统的智能控制.采用模块建模法建立了汽轮机模型,给出了一种基于模糊神经网络的转速调节系统.并将粗糙集理论与模糊神经网络结合起来,利用粗糙集从观测数据中提取规则,并寻求最小规则集,解决...     

基于(稀疏)偏最小二乘的老挝电力消费研究

为探讨老挝电力消费的影响因素,建立了偏最小二乘回归和稀疏偏最小二乘回归模型.首先用偏最小二乘从原始数据中提取最具解释能力的主成分,处理强相关电力数据;然后在此法基础上加入惩罚项,即用稀疏偏最小二乘筛选出重要变量和删除冗余信息;最后比较几种常见的方法的预测精度.研究结果表明:偏最小二乘较之常规的最小二乘回归等方法具有更高的预测精度,老挝国内生产总值、人口等因素对电力消费影响较大.     

基于AR⁃PLS的FCM聚类在线性能评价

传统偏最小二乘法(PLS)在工业过程建模中运算过程繁琐,复杂工业过程的性能评价模型难以在线获得。采用自回归潜结构投影(AR?PLS)算法对相关过程数据建立预测模型,通过模糊C均值聚类算法划分输出数据的性能等级,建立一种在线性能评价模型。仿真结果表明,该方法相比传统偏最小二乘法建模过程简便,计算复杂度低,具有一定的应用价值。     

OSC—PLS方法用于渣油裂解装置的软测量建模

渣油裂解反应中，影响沥青产率的因素多，反应机理十分复杂，难以建立准确的机理模型。采用基于正交投影的正交信号校正（OSC）算法对输入变量测量数据进行预处理，剔除数据中所含的与待测变量如浓度、收率等无关的噪声信息；再实施OSC与偏最小二乘（PLS）回归相结合的OSC-PLS方法，建立渣油裂解装置沥青产率的软测量校正模型。结果显示：模型精度和稳定性较非线性方法均有显著提高，而且模型所需PLS成分数减少，模型更简洁。     

Novel robust approach for constructing Mamdani-type fuzzy system based on PRM and subtractive clustering algorithm

A novel approach for constructing robust Mamdani fuzzy system was proposed, which consisted of an efficiency robust estimator(partial robust M-regression, PRM) in the parameter learning phase of the initial fuzzy system, and an improved subtractive clustering algorithm in the fuzzy-rule-selecting phase. The weights obtained in PRM, which gives protection against noise and outliers, were incorporated into the potential measure of the subtractive cluster algorithm to enhance the robustness of the fuzzy rule cluster process, and a compact Mamdani-type fuzzy system was established after the parameters in the consequent parts of rules were re-estimated by partial least squares(PLS). The main characteristics of the new approach were its simplicity and ability to construct fuzzy system fast and robustly. Simulation and experiment results show that the proposed approach can achieve satisfactory results in various kinds of data domains with noise and outliers. Compared with D-SVD and ARRBFN, the proposed approach yields much fewer rules and less RMSE values.     

基于输出误差预测的模糊预测PID控制及应用

针对实际工业过程中普遍存在的非线性特性,采用T-S模糊模型来描述复杂的非线性系统.利用模糊聚类算法在线竞争学习模糊规则的输入区域中心,并按预先规定的规则之间的重叠度在线确定每条规则的输入区域半径,而模糊规则结论中的参数则由递推最小二乘(RLS)算法得到,得到的模糊局部线性化模型作为每个时刻的受控自回归积分滑动平均(CARIMA)模型.结合广义预测控制(GPC)的思想和有限脉冲响应滤波器,提出了一类新型的模糊预测PID控制器的实现方法,解决了一般预测PID控制器设计当中对系统模型阶次的限制问题.仿真算例说明了该方法的有效性和实用性.     

非线性部分最小二乘方法的研究与应用

该文将部分最小二乘算法与径向基函数神经网络相结合,给出了一种非线性部分最小二乘建模方法,可以更加有效地处理过程非线性和数据共线性等复杂特性,提高模型的精度和推广能力。该方法在确定径向基函数神经网络的隐节点时,采用了一种改进型的k-均值聚类算法来自动确定最优的聚类区数。对煤气化炉合成气组分浓度软测量建模的应用结果表明,采用该方法建立的软测量模型在模型精度和推广能力等方面明显优于二次型多项式部分最小二乘方法建立的模型,并且计算精度满足工业生产的实际要求。     

基于T-S模糊模型的直接自适应预测控制

提出一种基于T-S模糊模型的直接自适应预测控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型的后件参数。用已经辨识好的参数,进行直接迭代计算,直接得到模型的预测输出。此算法很好地解决了非线性预测控制中,建模与优化两大难题,为非线性系统的高精度控制提供了保证。计算机仿真表明,该算法具有较好的跟踪性能。     

基于递归RBF神经网络的MBR膜透水率软测量

针对膜生物反应器(membrane bio-reactor,MBR)污水处理过程中膜透水率难以测量的问题,提出一种基于递归径向基神经网络(recurrent radial basis function neural network,RRBFNN)的软测量方法.首先,基于污水处理过程中的实际运行数据,应用偏最小二乘法(partial least squares,PLS)筛选出与膜透水率相关的过程变量;其次,基于RRBFNN建立膜透水率的软测量模型,利用快速梯度下降算法对RRBFNN的参数进行调整,保证了软测量模型的精度;最后,将设计的膜透水率软测量模型应用于实际污水处理过程中,使用污水处理厂实测数据对模型进行验证.验证结果表明,该软测量模型能够实现膜透水率的准确预测,具有较好的预测精度.     

基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法．配制含滑石粉的面粉样品30个,采集样品在12500～4000cm^-1范围内的近红外漫反射光谱,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法（PLS）建立定量分析模型．结果表明所建定量分析模型的相关性能比较高,预测相关系数和预测均方根误差均符合要求．研究发现,近红外光谱技术用于快速无损检测面粉掺假是可行的．     

结合PLS-DA与SVM的近红外光谱软测量方法

为了提高近红外光谱分析精度,提出结合偏最小二乘判别分析（PLS-DA）与支持向量机（SVM）的软测量方法（PLS-DA-SVM）.该方法利用一组由不同类别组成的训练样本,引入二叉树进行多重分类,节点分类器由PLS-DA方法建立;利用偏最小二乘支持向量机（PLS-SVM）建立每类样本的定量模型.预测时,用PLS-DA分类树对待测样本进行分类,选择相应的PLS-SVM模型进行定量分析.实验利用PLS-DA-SVM方法和近红外光谱数据建立汽油的研究法辛烷值软测量模型,针对2个批次共计57个成品汽油样本进行蒙特卡洛交叉检验.结果表明,对汽油牌号进行识别,平均分类错误率为0.07%,低于其他常用分类方法;对研究法辛烷值进行预测,均方误差达到0.243,复相关系数达到0.991,较PLS、LS-SVM等方法有显著提高.     

污水化学需氧量近红外光谱分析的波段选择

采用近红外透射光谱和移动窗口偏最小二乘（MWPLS）方法,建立污水化学需氧量（COD）近红外光谱分析的优化模型最优模型的对应波段为820-850nm,采用波长点个数为16,PLS因子数、RMSEP、RP分别为13,25.5mg/L,0.968,预测相关很高,其预测效果明显优于全谱模型,并且采用的波长点个数远远优于全谱波长点的个数,大大降低模型的复杂性,可为设计专用近红外光谱仪器提供参考.