基于LSSVM的天然气脱CO膜分离在线软测量模型

被引：3

作者：

王磊 ^{[1
]}

李桂香 ^{[1
]}

王元麒 ^{[2
]}

王旭芳 ^{[3
]}

吴桐 ^{[3
]}

机构：

[1] 海南大学信息科学技术学院海南省特种玻璃重点实验室

[2] 锡耶纳外国人大学

[3] 大连理工大学

来源：

系统仿真学报 | 2014年 / 08期

基金：

海南省自然科学基金;

关键词：

天然气; 气体膜分离; 最小二乘支持向量机(LSSVM); 软测量; 脱碳指标;

D O I：

10.16182/j.cnki.joss.2014.08.001

中图分类号：

TQ028.8 [新型分离法];

学科分类号：

081701 ; 081704 ;

摘要：

针对天然气脱CO2膜分离过程中一些重要性能参数难以在线测量,建立了基于LSSVM的天然气脱CO2膜分离过程在线软测量模型。用网格搜索、交叉验证结合贝叶斯估计,得到LSSVM模型的2个最优参数值;基于天然气脱CO2膜分离过程数据建立软测量模型并对过程关键性能参数进行在线预测。仿真结果表明,所建软测量模型正确合理,精度高(相对误差都在1.4%以内),速度快(<1s),能很好的实现天然气脱CO2膜分离过程关键性能参数脱碳气流量和脱碳气CO2浓度的实时预测和估计,可为天然气脱CO2膜分离过程的实时优化控制提供基础。

引用

页码：1836 / 1840

页数：5

共 11 条

[1] 基于主元分析的气体膜分离过程RBFNN建模 [J].

李桂香 ;

王磊 ;

李继定 ;

王元麒 .

系统仿真学报, 2012, 24 (09) :2003-2006

[2] 天然气脱硫脱碳方法的研究进展 [J].

陈颖 ;

杨鹤 ;

梁宏宝 ;

张静伟 .

石油化工, 2011, 40 (05) :565-570

[3] SVM分类核函数及参数选择比较 [J].

奉国和 .

计算机工程与应用 , 2011, (03) :123-124+128

[4] MIMO最小二乘支持向量机污水处理在线软测量研究 [J].

黄银蓉 ;

张绍德 .

自动化与仪器仪表, 2010, (04) :15-17

[5] 基于LM/SVM方法的二次反应清洁汽油辛烷值预测 [J].

袁俊 ;

周小伟 ;

杨伯伦 .

高校化学工程学报, 2010, 24 (02) :258-262

[6] 气体膜分离的原理及其应用于酸性气体净化的研究进展 [J].

汪东 .

化学工业与工程技术, 2008, (05) :50-52

[7] 二氧化碳的捕获和封存技术进展 [J].

黄斌 ;

刘练波 ;

许世森 .

中国电力, 2007, (03) :14-17

[8]

Radial Basis Function Neural Networks-Based Modeling of the Membrane Separation Process: Hydrogen Recovery from Refinery Gases[J]. Lei Wang, Cheng Shao, Hai Wang, Hong Wu Institute of Advanced Control Technology, Dalian University of Technology, Dalian 116024, China;Tianbang National Engineering Research Center of Membrane Technology Co., Ltd, Dalian 116023, China;Sinopec Zhenhai Refining and Chemical Company Limited, Ningbo 315200. China.Journal of Natural Gas Chemistry. 2006(03)

[9] 膜领域所面临的机遇和挑战——侧重于气体分离方面(英文) [J].

威廉·卡洛斯 .

膜科学与技术, 2006, (04) :1-5

[10]

最小二乘支持向量机的改进及其在化学化工中的应用[D]. 陶少辉.浙江大学. 2006

← 1 2 →