基于IRLS-ELM生物发酵在线软测量建模方法

被引：6

作者：

刘国海 ^{[1
]}

张东娟 ^{[1
]}

梅从立 ^{[1
]}

机构：

[1] 江苏大学电气信息工程学院

来源：

东南大学学报(自然科学版) | 2011年 / S1期

基金：

国家高技术研究发展计划(863计划);

关键词：

极限学习机; 软测量; 反馈输入; 发酵过程;

D O I：

暂无

中图分类号：

TQ920.6 [发酵工艺]; TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 081703 ; 082203 ; 0835 ;

摘要：

为解决生物发酵过程中生物量浓度难以在线测量的问题,提出一种基于改进的最小二乘正则化极限学习机(IRLS-ELM)软测量建模方法并将其应用于红霉素发酵过程生物量浓度的在线预测中.根据误差反馈原理,将训练误差作为输入建立带反馈的神经网络,以提高模型预测精度.并将加权最小二乘法引入到ELM中改进其数学模型,削弱离群点或者不稳定因素的影响.最后,将所建IRLS-ELM模型应用于红霉素发酵过程生物量浓度的预测中.实验结果表明,在隐含层节点数相同的情况下,对于指标MSE,IRLS-ELM比ELM和RLS-ELM有明显提高.同时IRLS-ELM在隐含层节点数变少的情况下,误差没有明显变化,结构紧凑而且稳定性较高.由此可见,与ELM和RLS-ELM软测量建模方法相比,IRLS-ELM在线软测量建模方法具有更高的预测精度和更强的泛化能力.

引用

页码：10 / 13

页数：4