基于改进的GA-LSSVM的软测量建模方法

被引：8

作者：

王强 ^{[1
,2
]}

田学民 ^{[1
]}

机构：

[1] 中国石油大学(华东)信息与控制工程学院

[2] 东营职业学院工业工程系

来源：

北京理工大学学报 | 2012年 / 32卷 / 10期

关键词：

软测量; 核独立元分析(KICA); 遗传算法(GA); 最小二乘支持向量机(LSSVM);

D O I：

10.15918/j.tbit1001-0645.2012.10.010

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

摘要：

针对工业过程中某些重要过程变量难以实现在线测量的问题,提出了一种改进的最小二乘支持向量机(IGA-LSSVM)的软测量建模方法.该方法采用核独立分量分析(KICA)对高维数据进行特征提取,利用改进的最小二乘支持向量机进行建模.该方法既利用了最小二乘支持向量机求解速度快的特点,又利用了自适应遗传算法强大的全局搜索能力,增强了模型的自适应性.用该方法建立柴油凝点的软测量模型,结果表明,基于IGA-LSSVM方法建立的软测量模型具有较高的预测精度和泛化能力.

引用

页码：1031 / 1035

页数：5

共 7 条

[1] A forecasting and forewarning model for methane hazard in working face of coal mine based on LS-SVM [J].

CAO Shu-gang1 .

JournalofChinaUniversityofMining&Technology, 2008, (02) :172-176

[2]

MATLAB在振动信号处理中的应用[M]. 中国水利水电出版社 , 王济, 2006

[3] Prediction of flashover voltage of insulators using least squares support vector machines [J].

Gencoglu, Muhsin Tunay ;

Uyar, Murat .

EXPERT SYSTEMS WITH APPLICATIONS, 2009, 36 (07) :10789-10798

[4]

Kernel ICA: An alternative formulation and its application to face recognition[J] . Jian Yang,Xiumei Gao,David Zhang,Jing-yu Yang.Pattern Recognition . 2005 (10)

[5] Asymptotic behaviors of support vector machines with Gaussian kernel [J].

Keerthi, SS ;

Lin, CJ .

NEURAL COMPUTATION, 2003, 15 (07) :1667-1689

[6] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300

[7]

ApplicationofgeneticalgorithmstopatternrecognitionofdefectsinGIS .2 ZIOMEKW,REFORMATM,KUFFELE. IEEETrans.onDielectricsandElectricalInsulation . 2000

← 1 →