改进递推最小二乘支持向量机及在过程建模中的应用.pdf

《改进递推最小二乘支持向量机及在过程建模中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015正仪表技术与传感器2015第9期InstrumentTechniqueandSensorNo．9改进递推最小二乘支持向量机及在过程建模中的应用李荣雨，王立明(南京工业大学电子与信息工程学院，江苏南京211816)摘要：针对流程工业存在多变量、非线性和数据动态性等问题，提出一种改进递推最小二乘支持向量机。该算法首先利用K均值算法(Kmeans)将训练样本分类，然后针对各聚类用人工鱼群算法(ArtificialFishSwarmAlgorithm，AFSA)对最小二乘支持向量机参数进行优化，以避免人为选择最小二乘支持向量机参数的盲目性，最后在各聚类

2、基础上建立相应在线递推最小二乘支持向量机模型。在加氢裂化反应过程蒸馏塔航煤干点的软测量建模研究中，表明所提出算法的有效性和优越性。关键词：聚类分析；人工鱼群算法；最小二乘支持向量；在线递推；软测量中图分类号：TP273；TP301．6文献标识码：A文章编号：1002-1841(2015)09-0091—04ImprovedRecursiveLeastSquaresSupportVectorMachineandItsApplicationsinProcessM0delingLIRong—yu，WANGLi-ming(CollegeofElectronic

3、sandInformationEngineering，NanjingTechUniversity，Nanjing211816，China)Abstract：Consideringtheproblemofmuhivariable，nonlinearanddynamicdateinindustryprocess，animprovedrecursiveleastsquaressupportvectormachinewasproposed．First，thealgorithmusedKmeanstodividethetrainingsampleintoseve

4、ralclusters．Then，foreachcluster，thispaperseparatelyusedartificialfishalgorithmtocalculatetheoptimalparametersofleastsquaressupportvectormachine，avoidingtheblindnessofselectingtheparametersofleastsquaressupportvectormachine．Final—ly，onlinerecursiveleastsquaressuppo~vectormachinem

5、odelineachclusterwassetup．Indistillationtowerofhydrocrackingreaction，thesoftmeasurementmodelingofJetfuelobtainedhighlypreciseandeffectivepredictign．Keywords：clusteranalysis；artificialfishalgorithm；leastsquaressupportvector；onlinerecursive；softsensor0引言线更新的前向学习。而在线更新的后向学习时采用样本间的非

6、线性以及在线过程辨识始终是自动化控制领域的研究距离和角度信息来选择性删除样本。文中的仿真部分把该模热点。。近年来软测量技术在工业过程中获得了广泛的发型运用到加氢裂化第一分馏塔航煤干点的预测，实验结果表明展和应用，最小二乘支持向量机(LeastSquaresSupportVector该模型有较好的泛化能力和较高的学习效率，具有较高的预报Machine，LSSVM)由于具有良好的有限样本建模能力，且仅需求性能。解线性方程组，因此成为众多学者研究的热点。离线建立1递推LSSVM建模方法的模型由于工业过程的时变特性已不能满足要求，在线更新模1．1离线LSSVM

7、建模方法型成为了现阶段研究的热点J。传统支持向量回归是求解一个受约束的二次型规划问针对工业过程的非线性和时变性，一个模型很难至始至终题，计算复杂性较大，Suykens提出了LSSVM，它把支持向量通过自适应改变参数来保证准确运行，而且建立一个模型要想机的学习问题转化为解线性方程组问题，定义如下优化问题：包含所有的样本特征必然导致样本空间偏大，带来计算上的时fY=W()+6+e(k=1，2，⋯，Ⅳ)间消耗，同时削弱在线更新阶段对模型的修正。本文在离线建立模型阶段提出用Kmeans聚类分析算法先对训练样本进行聚ii，nJ()=1喜e2。)’类分析，得出几个

8、不同的聚类，然后在各个聚类中分别用相应式中：∈R；y∈R；非线性核函数p()将输入空间映射为高