用于水泥熟料fCaO预测的多核最小二乘支持向量机模型

针对水泥熟料游离氧化钙(fCaO)含量预测模型辨识的问题,考虑到单一核函数无法显著提高模型精度,采用多项式核函数、指数径向基核函数和高斯径向基核函数组合构建等价核的方法,建立了多核最小二乘支持向量机水泥熟料fCaO预测模型。同时,利用改进的粒子群优化算法对多核最小二乘支持向量机模型的6个待确定参数进行迭代寻优,避免了模型参数人工选取的盲目性。最后将基于改进粒子群的多核最小二乘支持向量机模型应用于熟料fCaO含量的实例仿真。结果表明,建立的水泥熟料fCaO含量预测模型精度高、泛化能力强。     

用于水泥熟料fCaO预测的多核最小二乘支持向量机模型

针对水泥熟料游离氧化钙(fCaO)含量预测模型辨识的问题,考虑到单一核函数无法显著提高模型精度,采用多项式核函数、指数径向基核函数和高斯径向基核函数组合构建等价核的方法,建立了多核最小二乘支持向量机水泥熟料fCaO预测模型。同时,利用改进的粒子群优化算法对多核最小二乘支持向量机模型的6个待确定参数进行迭代寻优,避免了模型参数人工选取的盲目性。最后将基于改进粒子群的多核最小二乘支持向量机模型应用于熟料fCaO含量的实例仿真。结果表明,建立的水泥熟料fCaO含量预测模型精度高、泛化能力强。     

基于最小二乘支持向量机的蜡沉积速率预测

考虑蜡沉积影响因素的复杂性和最小二乘支持向量机在小样本预测方面的优势,基于最小二乘支持向量机预测的原理,通过优化最小二乘支持向量机的参数,建立了蜡沉积速率的预测模型,并对蜡沉积速率进行了预测。结果表明：该方法在样本数量较小时仍具有较高的精度,蜡沉积速率的预测值和实验值的吻合程度较好;最小二乘支持向量机建模时可以得到直观的函数表达式,而神经网络方法却不能得到模型的显式表达式,因此该方法具有明显的优势;应用径向基核（RBF）作为核函数时,不同初值的正则化参数?和核函数宽度?对预测结果具有较大影响,使用时应合理选择。     

基于PSO优化LS-SVM的气液两相流干度软测量

对标准孔板进行改进,设计了一种流出特性较好的锥形孔板。将锥形孔板压差脉动特性的经验公式与经过粒子群算法优化的混核最小二乘向量机模型结合,建立了气液两相流干度的软测量模型。该模型的优点是采取径向基核函数和多项式核函数的混合核函数兼顾了局部和全局的拟合能力,且通过对传统最小二乘向量机模型的参数优化,可减少对初始点和样本数量的依赖。实验结果表明,该预测方法可行,且比未经过优化的最小二乘支持向量机模型和经过优化的单核最小二乘向量机模型的泛化能力强,具有实际工程意义。     

基于PSO-LS-SVM的主蒸汽流量测量

为提高火电机组主蒸汽流量的测量精度,提出了最小二乘支持向量机的建模方法,同时利用粒子群优化算法对最小二乘支持向量机的参数进行优化,按照机理分析选择相应的运行参数作为输入,利用该模型对主蒸汽流量进行预测计算。计算结果表明:利用粒子群优化最小二乘支持向量机的建模方法提高了主蒸汽流量的测量精度。     

基于人工蜂群算法优化LSSVM的蒸汽干度软测量

为了提高蒸汽干度测量的精确性,提出了基人工蜂群优化最小二乘支持向量机的干度软测量模型。首先利用人工蜂群算法对最小二乘支持向量机的核参数进行参数优化,然后利用优化后的最小二乘支持向量机干度测量模型对干度进行软测量,软测量结果表明基于人工蜂群优化的最小二乘支持向量机的测量效果满足了精度要求。最后运用最小二乘支持向量机和BP神经网络模型对干度进行了软测量,结果表明:基于人工蜂群优化的最小二乘支持向量机软测量模型具有测量精度高,测量稳定性好的优点。     

基于改进粒子群优化LSSVM的水泥熟料fCaO软测量

针对水泥熟料fCaO含量难以在线实时测量,提出了一种基于最小二乘支持向量机的软测量建模方法。针对最小二乘支持向量机模型的2个难点进行了改进:首先利用样本间的马氏距离来衡量样本的相似程度,删除样本中部分相似样本,提高最小二乘支持向量机模型的稀疏性,从而减小了模型的运算量。然后利用改进的粒子群优化算法对最小二乘支持向量机模型的2个重要参数进行迭代寻优,克服了常规交叉验证法或网格搜索法等参数选择方法的盲目性。最后将基于粒子群最小二乘支持向量机软测量模型用于熟料fCaO含量的实例仿真。结果表明,该方法具有收敛性好、预测精度高、泛化能力强等优点。     

基于PSO-LSSVM的研究法辛烷值预测建模

针对现存的红外线分析仪表无法在线分析抗爆剂对成品油研究法辛烷值的影响问题,考虑到样本数据较少的因素,提出一种基于粒子群优化的最小二乘支持向量机方法,以粒子群优化的方法来选取最小二乘支持向量机的模型参数,在克服了交叉验证法耗时与盲目性问题的同时,又发挥了最小二乘支持向量机的小样本学习能力强和计算简单的特点,将其应用于汽油调合系统中研究法辛烷值的预测.仿真结果表明,该模型的估计值与实际化验值吻合得较好.     

基于分阶段的LSSVM发酵过程建模

发酵过程建模是研究微生物发酵的重要课题,基于模型可实现被测参量的软测量、系统的优化控制。鉴于引入混合核函数的最小二乘支持向量机在过程建模中具有优良表现,采用基于混合核函数的最小二乘支持向量机建模。但由于发酵过程周期较长,最小二乘支持向量机的全局模型预测精度难以保证,算法复杂度很高,因此提出一种分阶段建模方法。首先,选择表征阶段特性的辅助变量,利用模糊C均值聚类算法对样本数据聚类,将发酵过程分成不同的阶段,然后为各个阶段分别建立最优混合核最小二乘支持向量机局部模型,最后将局部模型合成构成过程的完整模型。将此方法应用于青霉素发酵过程和重组大肠杆菌发酵过程中,验证了该方法的有效性。     

基于Hammerstein-Wiener模型的连续搅拌反应釜神经网络预测控制

针对化工过程中广泛使用的连续搅拌反应釜(CSTR),提出一种基于神经网络的模型预测控制策略,采用分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法,在此基础上建立线性自回归模式〖DK〗(ARX)结构和高斯径向基神经网络串联的非线性预测控制器。利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现一种基于支持向量机Hammerstein-Wiener辨识模型的非线性神经网络预测控制算法。对CSTR的仿真结果表明,该方法能够更有效地跟踪控制反应物浓度。     

基于最小二乘支持向量机的软测量方法在精对苯二甲酸生产中的应用

研究了一种基于改进型的最小二乘支持向量机的软测量方法在精对苯二甲酸(PTA)生产中晶体粒径大小估计中的应用。对最小二乘支持向量机采取了稀疏化与实时滚动改进,改进后的算法样本数量大大降低,同时保持了原有水平的预测能力。结果表明该方法对精对苯二甲酸的颗粒具有较高的预测能力。     

COMPUTATIONALLY EFFICIENT IMPLEMENTATION OF A BAYESIAN SEASONAL ADJUSTMENT PROCEDURE

Abstract. A Bayesian seasonal adjustment procedure was first proposed by Akaike (1979) and implemented as a computer program, BAYSEA (BAYesian SEasonal Adjustment program), by Akaike and Ishiguro (1980a).
This paper proposes an efficient algorithm to solve the least square problem which arises in the procedure.     

塑料注射充模流动分析的自适应隐式方法

提出了一个注射充模数值模拟隐式方法的时间步长选用标准,依据“一时间步,一单元层”的思想,采用最小二乘递推法估算每一步的时间步长,并依据压力估算每个控制体积的半注满时间,从而可以重构任何时间的流动前锋。计算表明本方法极大地提高了隐式方法的适用性,并把注射充模流动数值模拟的计算时间复杂度降到结点数的平方。     

傅里叶变换近红外光谱法快速测定聚氯乙烯的K值

研究了傅里叶变换近红外光谱技术快速测定聚氯乙烯K值的分析方法。采用漫反射方式和偏最小二乘法 (PLS),建立了聚氯乙烯K值定量分析数学模型,其决定系数(R2)和均方差(RMSECV)分别为97．96％和0．362。实验结果表明:近红外分析法和实验室标准分析方法测定结果基本一致。本方法重复性好,具有快速、操作简单、无污染等诸多优点。     

SVM算法预测发动机润滑油的高温清洁性

考察了发动机润滑油功能元素与其高温清净性能的相关性,用支持向量机算法和偏最小二乘算法定量预测了发动机润滑油高温清净性能。结果表明,利用发动机润滑油的功能元素能够预测其高温清净性。支持向量机法的预测结果要优于偏最小二乘法的结果。     

基于径向基函数的非线性系统近似偏最小一乘准则辨识算法

针对输入信号非线性相关的非线性系统,提出了基于径向基函数的近似偏最小一乘准则辨识算法。首先对观测数据矩阵进行列扩展,以径向基函数（radial basis function,RBF）网络的输出作为观测数据矩阵的扩展项,然后利用近似偏最小一乘算法对扩展的观测矩阵和输出矩阵进行线性回归。近似偏最小一乘算法用确定性可导函数近似代替残差绝对值,可以抑制对称α稳定（symmetrical alpha stable,SαS）分布的尖峰噪声。同时,通过主成分分析去除非线性系统数据向量矩阵之间的非线性相关,得出模型参数的唯一解。仿真实验表明,本文算法可以对输入信号存在非线性相关的非线性系统进行直接辨识,抑制了尖峰噪声对辨识结果的影响,具有优良的稳健性。     

基于稳定Hammerstein模型的在线软测量建模方法及应用

针对复杂工业过程中由于存在未建模动态和不确定干扰,导致关键变量的软测量精度下降的问题,提出了一种基于稳定Hammerstein模型(H模型)的在线软测量建模方法。H模型的非线性增益采用带有时变稳定学习算法的小波神经网络模型,线性系统部分采用基于递推最小二乘的ARX模型,基于输入到状态稳定性理论证明了H模型辨识误差的有界性。其中小波神经网络具有表征强非线性的特性,稳定学习算法可抑制未建模动态和不确定干扰的影响,改善了模型的预测精度和自适应能力。以典型非线性系统和实际污水处理过程为例进行了仿真研究,结果表明,基于稳定H模型的软测量方法具有较高的在线软测量精度。     

注塑流动与传热分析的自适应隐式控制体积法

在注塑流动与传热分析中采用自适应隐式控制体积法,利用自动控制的参数识别方法来自动调节时间步长,在每个时间步长流动将向前推进大约半个单元大小的距离,厚度方向的温度采用契比雪夫配点法进行计算,压力方程的求解方法是预条件共轭梯度法。计算结果表明,自适应隐式控制体积法的时间复杂度是结点数目的平方,而且1h之内可以求解10000结点规模的问题。     

基于超稳定理论克服对象扰动自适应递归滤波辨识新算法

结合超稳定理论与自适应逆控制理论,提出了一种新的能够克服对象扰动的自适应递归滤波辨识算法。由于该算法前向方块为1,已满足严格正实条件,省去了求解前向方块严格正实的计算;反向方块中用超稳定理论求出的参数迭代适应律,克服了用传输函数形式表示的递归滤波器采用梯度法时可能陷于局部极小的缺陷,解决了证明参数收敛问题,并且在模型与对象完全匹配时消除了系统扰动,辨识出的模型更精确实用。仿真结果证实了．算法的可行性。     

油气两相流空隙率测量

A new method for the voidage measurement of gas-oil two-phase flow was proposed.The voidage measurement was implemented by the identification of flow pattern and a flow pattern specific voidage measurement model.The flow pattern identification was achieved by combining the fuzzy pattern recognition technique and the crude cross-sectional image reconstructed by the simple back projection algorithm.The genetic algorithm and the partial least square method were applied to develop the voidage measurement models.Experimental results show that the proposed method is effective.It can overcome the influence of flow pattern on the voidage measurement,and also has the advantages of simplicity and speediness.