一种改进的CPSO-LSSVM软测量模型及其应用.pdf

《一种改进的CPSO-LSSVM软测量模型及其应用.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、第35卷第1期仪器仪表学报V01．35No．12014年1月ChineseJournalofScientificInstrumentJan．2014木一种改进的CPSO-LSSVM软测量模型及其应用乔宗良，张蕾，周建新，司风琪，徐治皋(1．东南大学能源热转换及其过程测控教育部重点实验室南京210096；2．南京化工职业技术学院机械技术系南京210048)摘要：针对最小二乘支持向量机(Ls—SVM)在处理大规模数据集的回归和分类问题时缺少支持向量所具有的稀疏性和难以确定最佳模型参数值的问题，提出一种改进算法，利用样本间马氏距离分析样本相似程度，剔除部分相关样本，

2、对样本集进行约简，以恢复LS—SVM的稀疏性，进而利用具有较强全局搜索能力的混沌粒子群优化算法(CPSO)对LS—SVM建模过程中的模型参数进行优化选择，以提高模型的拟合精度和泛化能力。将提出的改进算法用于湿法脱硫系统浆液pH值的软测量建模，给出了应用该方法的具体步骤，研究结果表明，该算法取得了较高的建模精度和泛化能力，为pH值的在线实时监测提供了一个有效手段。关键词：混沌粒子群优化；马氏距离；最小二乘支持向量机；稀疏性；pH值；软测量中图分类号：TP18文献标识码：A国家标准学科分类代码：120．30Softsensormodelingmethodbased

3、onimprovedCPSO-LSSVManditsapplicationsQiaoZongliang，ZhangLei，ZhouJianxin，SiFengqi，XuZhigao(J．KeyLaboratoryofEnergyThermalConversionandControlofMin~tryofEducation，SoutheastUniversity，Nanjing210096，China；2．DepartmentofMechanicalTechnology，NanjingCollegeofChemicalTechnology，Nanjing2100

4、48，China)Abstract：Aimingatthefactthatindealingwiththeregressionandclassificationproblemsoflargescaledatasetwithalotofsamples，traditionalleastsquaressupportvectormachine(LS-SVM)algorithmhassomedemerits，suchas，thelossofsparsenessandthedifficultyinselectingmodelparameters，animprovedalg

5、orithmisproposedtoovercometheabovedrawbacksinthispaper．Mahalanobisdistanceamongsamplesisusedtoanalyzethesamplesimilarity，eliminatesomerelatedsamples，performreductiononthesamplesandrecoverthesparsenessoftheleastsquaresvec．tormachine．Moreover，thechaosparticleswal"tnoptimization(CPSO)t

6、hathasstrongglobalsearchingcapabilityisintroducedtooptimizethemodelparametersintheLS—SVMmodelingprocesstoimprovethefittingaccuracyanden—hanceitsgeneralizationability．TheimprovedalgorithmwasusedtoestablishthesoftsensormodelfortheslurrypHvalueofWFGb．Thedetailedproceduresofapplyingthis

7、methodaregiven．Theresearchresultsshowthattheim．provedalgorithmachieveshighmodelingaccuracyandgoodgeneralizationability，whichmeetstheindustrialmeas．urementrequirementandprovidesaneffectivemeansfortheonlineandrealtimepHvaluemonitoring．Keywords：chaosparticleswarmoptimization(CPSO)；Maha

8、lanobisdistance；lea