浅议基于支持向量机的非线性系统建模与预测控制

《浅议基于支持向量机的非线性系统建模与预测控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国石油大学（华东）硕士学位论文基于支持向量机的非线性系统建模与预测控制姓名：万莉申请学位级别：硕士专业：控制理论与控制工程指导教师：于佐军20060401基于支持向量机的非线性系统建模与预测控制万莉(控制理论与控制工程)指导教师：于佐军(副教授)摘要传统统计学研究的是假设样本数目趋于无穷大时的渐近理论，现有的机器学习理论都是基于这个假设；而统计学习理论研究的是小样本情况下的机器学习理论，这对于实际系统来说是有利的。支持向量机(SVM)就是在这一基础上发展起来的新一代学习算法，它由Vapnik等人于1992年在计算机学习理论会议上提出。支持向量机具有训练样本小、拟合精度

2、高、全局最优、泛化性好等特点，但将其用于控制方面的研究还是起步阶段，故本文考虑将支持向量机用于预测控制方面的研究。本文详细地介绍了统计学习理论和支持向量机基本原理，阐述了支持向量机回归的实现过程；研究了支持向量机回归建模：并且对采用支持向量机建立的模型进行预测控制。具体内容可以概括如下：首先利用支持向量机进行系统建模研究；阐述了支持向量机回归原理，并且研究了采用支持向量机的系统建模以及建模过程中存在的问题，分析了影响模型精度的几个因素；其次，本文研究了支持向量机改进学习方法。由于常规的支持向量机算法对于样本数目较大时，训练时间较长。本文根据现有的方法，仿真研究了几种改进

3、学习算法，如增量法和分块算法。实验证明这些方法在训练时间上大大缩短了；再次，本文提出支持向量机在线学习方法。由于在线建模最重要的特征是实时性，常规的支持向量机学习方法训练时间长，不能满足实时性的要求。本文根据增量学习方法提出了在线学习方法，通过仿真研究，证实了在线学习1I方法的有效性；最后，本文将支持向量机用于预测控制研究。利用支持向量机具有很好的非线性建模特性，本文采用支持向量机对PH中和过程进行建模并进行预测控制；在预测控制过程中，采用变优化权值的方法，取得了较好的控制效果。关键词：统计学习理论，支持向量机，结构风险最小化，预测控制，核函数111Modelingan

4、dPredictiveControlofNonlinearSystemBasedonSupportVectorMachineWanLi(ControlTheoryandControlEngineering)DirectedbyProfessorYuZuo_junAbstractTraditionalstatisticstheoryisbasedontheassumptionthatsamplesareinfinite．andmostofcurrentmachinelearningmethodsarebasedonthistheory．However,Statistica

5、lLearningTheory(SLT)isatheorythatspecializedinmachinelearningwithfinitesamples，anditisusefulforpracticalsystem．SupportVectorMachineisamachinelearningmethodofnewgenerationbasedonSLT．ItwasintroducedbyvapnikattheMachineLearningTheoryconferencein1992，andithasbeenanewmethodfordatamining．Suppo

6、rtVectorMachine(SVM)hasthecharacteristicsofrequiringsmalltrainingset，hi曲regressionaccuracy,globaloptimization，andgoodgeneralizationetc．ButtheapplicationofSVMinthecontrolfieldsisstillataninitialstage．ThispaperpresentsthebasictheoryoftheSLT,SVMandtheSVMregressionrealizationprocedureindetai

7、l．Chapter2describestheprincipleandmethodofSVMregression．Thepredictivecontrolschemeadoptspredictivemodelbasedonthisregressionmethod，Themainresearchworkisasfollows：ThetheoryofSVMisintroducedinthispaperfirstly．Thispaperalsodiscussesthesystemmodelingandrelatedproblemsduringth