共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
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。 相似文献
3.
4.
基于差分进化算法-最小二乘支持向量机的软测量建模 总被引:7,自引:7,他引:0
软测量技术是解决工业过程中存在的一类难以在线测量参数估计问题的有效方法,该技术的核心是建立优良的数学模型。支持向量机是基于统计学理论的一种机器学习方法,最小二乘支持向量机是一种扩展的支持向量机,相对于支持向量机具有较快求解速度。最小二乘支持向量机存在着参数选择的问题,针对这个问题,采用差分进化算法进行参数选择。提出基于差分进化算法的最小二乘支持向量机应用于软测量建模,并将其应用于对苯二甲酸中对羧基苯甲醛含量测试的软测量建模中,获得了满意的结果。 相似文献
5.
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。 相似文献
6.
7.
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。 相似文献
8.
针对青霉素发酵过程的参数检测存在不确定因素,提出一种基于混沌最小二乘支持向量机的青霉素浓度预测方案。采用混沌优化算法对最小二乘支持向量机参数进行寻优,建立了一种混沌最小二乘支持向量机模型。首先,利用该模型对两种常规非线性函数曲线进行了仿真回归,结果表明,算法具有良好的建模精度;其次,基于Pensim仿真平台,运用文中方法预测青霉素发酵过程的产物量,实验仿真表明混沌优化算法具有良好的全局优化性能,在参数选择中可以有效避免陷入局部最小值,基于混沌优化的最小二乘支持向量机具有较高的建模精度。 相似文献
9.
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γ和核函数宽度σ对预测结果具有较大影响,使用时应合理选择。 相似文献
10.
基于PSO-LSSVM的研究法辛烷值预测建模 总被引:2,自引:1,他引:1
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. 相似文献
11.
偏最小二乘回归方法能较好地解决自变量之间的严重相关性问题,笔者将偏最小二乘回归与神经网络耦合,建立了克拉玛依市油田公司某燃煤供热锅炉结渣预测模型。利用偏最小二乘法对影响锅炉结渣的诸多因素进行分析,提取对因变量影响强的成分,从而克服了变量之间的多重相关性问题,降低了神经网络的输入维数。同时,利用神经网络建模可以较好地解决非线性问题。结果表明,预测值与实际值很接近,耦合模型的拟合和预报精度均优于独立使用偏最小二乘回归或神经网络建模的精度。模型对于提高燃煤锅炉的安全运行具有重要的指导意义。 相似文献
12.
基于异类组合预测模型可提高模型的预测精度及鲁棒性的思想,提出一种基于混合粒子群优化的异类多模型非线性组合软测量建模的新方法。即先分别用混合粒子群优化的径向基函数神经网络、最小二乘支持向量机及部分最小二乘算法对训练集训练得出子模型,然后将具有性能互补性的三个子模型的输出作为反向传播网络的输入得到最后结果。用混合粒子群优化的方法来选取径向基函数神经网络和最小二乘支持向量机的模型参数,该方法克服了常用的交叉验证法耗时与盲目性问题。三层反向传播网络具有无限逼近特性,使得整个组合预测模型具有更好的泛化能力和预报精度。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,该方法是可行且有效的。 相似文献
13.
基于动态MPLS的发酵过程效益函数在线预报 总被引:1,自引:1,他引:0
针对发酵过程观测数据与时序相关,提出一种动态多方向偏最小二乘回归(MPLS)方法,该方法的多模型结构解决了非线性和实时性的问题,更加适用于发酵过程的在线预报,与人工神经网络(ANN)方法相比,动态MPLS回归模型可以达到更好的拟合和预报精度.对青霉素发酵过程的效益函数拟在线预报,验证了该方法的准确性和有效性. 相似文献
14.
15.
Large-scale industrial data have brought great challenges to data calculation and analysis. Feature extraction and selection have become one of the research emphases in data mining. To mine the dynamic characteristics of large-scale industrial data, a dynamic global feature extraction (DGFE) method integrating principal component analysis (PCA) and kernel principal component analysis (KPCA) is proposed such that the achieved feature set is not only dynamic but also contains linear and non-linear features. To ensure that the obtained feature set is optimal with the minimum redundancy, a new importance-correlation-based feature selection (ICFS) method is proposed. To verify the validity and feasibility of the proposed methods, the partial least square (PLS) and least square support vector machine (LSSVM) prediction models for the concentrate copper grade and the recovery rate are established. The effectiveness of the proposed methods is verified through data experiments on a copper flotation industrial process. 相似文献
16.
针对甲醇制芳烃机理建模假设多、产物预测过程复杂、计算成本高等问题,提出了一种多元非线性回归分析的数据驱动建模方法。在两段法固定床反应系统中研究了反应压力、甲醇体积空速、一段中心温度、二段中心温度、装置运行时间、累计甲醇进料量及其交互作用对芳烃产物的影响。利用最小二乘法进行参数估计,建立四个六元二次非线性产物分布回归模型。测试结果表明,测试样本的总体决定性指标 为0.9576,均方误差MSE为0.0037,相比于传统的动力学模型,具有产物预测精确度高、计算量小以及泛化性强的特点;空速和反应压力的交互作用对产物中芳烃选择性影响显著,在空速增大的情况下,产物中最大芳烃占比对应的压力峰值也随之增高。 相似文献
17.
《云南化工》2019,(8):84-86
采用近红外漫反射光谱分析技术对复方阿司匹林/双嘧达莫药物的有效成分进行测定,结合偏最小二乘(PLS)法分别建立了复方药物有效成分双嘧达莫及阿司匹林的相关模型,结果显示,复方阿司匹林/双嘧达莫中双嘧达莫PLS模型的相关系数R为0.99921,交互验证均方根误差(RMSECV)是0.00170,预测集均方根误差(RMSEP)是0.00291;复方中阿司匹林PLS模型的R为0.99517,RMSECV为0.000810,RMSEP为0.000831。由此表明,所建立的模型预测性能良好,均在误差范围内,说明方法准确可靠,可以用于实际生产中的在线控制。 相似文献
18.
Saeid Atashrouz Hamed Mirshekar Abdolhossein Hemmati-Sarapardeh Mostafa Keshavarz Moraveji Bahram Nasernejad 《Korean Journal of Chemical Engineering》2017,34(2):425-439
The main objective of this study was to develop soft computing approaches for prediction of physicochemical properties of IL mixtures including: density, heat capacity, thermal conductivity, and surface tension. The proposed models in this study are based on support vector machine (SVM), least square support vector machines (LSSVM), and group method of data handling type polynomial neural network (GMDH-PNN) systems. To find the LSSVM and SVM adjustable parameters, genetic algorithm (GA) as a meta-heuristic algorithm was utilized. The results showed that LSSVM is more robust and reliable for prediction of physicochemical properties of IL mixtures. The proposed GA-LSSVM model provides average absolute relative deviations of 0.38%, 0.18%, 0.77% and 1.18% for density, heat capacity, thermal conductivity, and surface tension, respectively, which demonstrates high accuracy of the model for prediction of physicochemical properties of IL mixtures. 相似文献
19.
采用偏最小二乘法(PLS)建立了快速测定高含量精制甘油中甘油含量的近红外光谱校正模型,该模型主因子数为4,相关系数(R2)为99.12%,校正标准偏差(RMSECV)为0.027;以预测集对模型进行验证,结果表明,R2为99.17%,预测标准偏差(RMSEP)为0.023,对同一样品预测值的相对标准偏差(RSD)为0.04%。 相似文献
20.
Yiqi Liu Daoping Huang Yan Li Xuefeng Zhu 《Korean Journal of Chemical Engineering》2012,29(9):1135-1143
A self-validating soft sensor is proposed that not only can perform self-diagnostics and self-reconstruction, but also generate a variety of output data types, including the prediction values, input sensors status of soft sensor and the uncertainty values which represent the credibility of soft sensor??s output. The input sensors are validated before performing a prediction by principal components analysis (PCA) model. These validated data are then employed for subsequent recursive partial least square (RPLS) prediction. Other than input sensor validation and modeling for prediction, a t-statistic confidence interval is created and the status of input sensors is offered. By using this self-validating soft sensor, we can determine the work condition of the soft sensor and take proper actions in real time. The usefulness of the proposed method is demonstrated through a case study of a wastewater treatment process. 相似文献