基于改进PSO的鲁棒LSSVM乙烯产品浓度软测量

被引：4

作者：

郑博元 ^{[1
]}

苏成利 ^{[1
]}

李平 ^{[1
]}

梁建平 ^{[2
]}

钟国财 ^{[2
]}

机构：

[1] 辽宁石油化工大学信息与控制工程学院

[2] 中国石油四川石化有限责任公司

来源：

控制工程 | 2016年 / 23卷 / 01期

关键词：

乙烯产品浓度; 软测量; 粒子群优化; 鲁棒最小二乘支持向量机(RLSSVM);

D O I：

10.14107/j.cnki.kzgc.140475

中图分类号：

TQ221.211 []; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对最小二乘支持向量机(LSSVM)在利用生产现场数据建模时易出现鲁棒性差的问题。提出了基于PSO的鲁棒最小二乘支持向量机建模方法,该方法利用一种改进的PSO方法确定LSSVM的惩罚参数C和核宽度?,增强了LSSVM对数据的适应性;通过给LSSVM优化问题中误差平方项赋予不同的权值,使得LSSVM在训练过程中克服了噪声的影响。最后将该方法应用于乙烯产品浓度预测,并与普通LSSVM进行了比较;仿真和实验结果表明,该算法建立的模型比普通LSSVM建立的模型具有更好的泛化能力和鲁棒性。

引用

页码：81 / 86

页数：6

共 14 条

[1] 基于PSO-SVM逆的赖氨酸发酵过程软测量
王博
孙玉坤
嵇小辅
黄永红
黄丽
[J]. 化工学报, 2012, 63 (09) : 3000 - 3007
[2] 基于PLS-LSSVM方法的湿法炼锌过程预测建模
熊富强
桂卫华
阳春华
王莎
[J]. 仪器仪表学报, 2011, 32 (04) : 941 - 948
[3] 基于神经网络的水平文丘里湿气测量模型
方立德
张涛
罗翼
[J]. 化工学报, 2007, (04) : 957 - 962
[4] 在线稀疏最小二乘支持向量机回归的研究
王定成
姜斌
[J]. 控制与决策 , 2007, (02) : 132 - 137
[5] 藉助自适应支持向量机为延迟焦化反应过程建模
宋晓峰
俞欢军
陈德钊
胡上序
[J]. 化工学报, 2004, (01) : 147 - 150
[6] ANN-based soft-sensor for real-time process monitoring and control of an industrial polymerization process[J] . J.C.B. Gonzaga,L.A.C Meleiro,C. Kiang,R. Maciel Filho. &nbspComputers and Chemical Engineering . 2008 (1)
[7] Nonlinear system identification and model reduction using artificial neural networks
Prasad, V
Bequette, BW
[J]. COMPUTERS & CHEMICAL ENGINEERING, 2003, 27 (12) : 1741 - 1754
[8] Least squares support vector machine classifiers
Suykens, JAK
Vandewalle, J
[J]. NEURAL PROCESSING LETTERS, 1999, 9 (03) : 293 - 300
[9] Least squares support vector machine classifiers
Suykens, JAK
Vandewalle, J
[J]. NEURAL PROCESSING LETTERS, 1999, 9 (03) : 293 - 300
[10] Overview of statistical learning theory. Vapnik,Vladimir N. IEEE Transactions on Neural Networks . 1999

← 1 2 →