基于支持向量机的软测量方法研究

被引:18
作者
常玉清
邹伟
王福利
毛志忠
机构
[1] 东北大学教育部暨辽宁省流程工业综合自动化重点实验室
[2] 陕西宝鸡钛业股份有限公司
关键词
软测量; 最小二乘支持向量机; 生物发酵; 青霉素浓度;
D O I
10.13195/j.cd.2005.11.109.changyq.024
中图分类号
TP274.4 [];
学科分类号
摘要
针对所有样本点均出现在最小二乘支持向量机模型中的缺陷,提出一种改进的最小二乘支持向量机回归方法.根据最小二乘支持向量机模型学习误差的大小,去除原变量空间中大部分误差较小的样本点,从而获得回归模型的“稀疏”特性,大大简化了模型复杂程度.同时,将此方法应用于生物发酵过程,建立青霉素发酵过程中产物浓度的软测量模型,实现青霉素浓度的在线预估.实验结果表明,该方法为生物发酵过程中难于在线测量质量参数的实时监测提供了一个有效的手段.
引用
收藏
页码:109 / 112
页数:4
相关论文
共 4 条
[1]   PCA-DRBFN模型在精馏塔精苯干点估计中的应用 [J].
常玉清 ;
王小刚 ;
王福利 .
东北大学学报, 2004, (02) :103-105
[2]   基于最小二乘支持向量机的软测量建模 [J].
阎威武 ;
朱宏栋 ;
邵惠鹤 .
系统仿真学报, 2003, (10) :1494-1496
[3]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46
[4]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297