收藏本站
《华南理工大学》 2005年 博士论文
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机回归算法与应用研究

李海生  
【摘要】:基于数据的机器学习是现代智能技术中的重要方面。统计学习理论(SLT)是一种专门研究小样本情况下机器学习规律的理论,它建立在一套较坚实的理论基础之上的,为解决有限样本学习问题提供了一个统一的框架也发展了一种新的通用学习方法一支持向量机(SVM),较好的解决小样本学习问题。与神经网络等其它学习方法相比,它的结构通过自动优化的方法计算出来,并且避免了局部最小点、过学习等缺陷。 以往大部分研究主要集中在支持向量机分类理论和应用上,近年来关于支持向量机回归(SVMR)的研究也显示出其优异的性能。作为一个新的理论和方法,支持向量机回归在训练算法和实际应用等方面有诸多值得深入探讨的课题。 本论文就以上主要内容进行了深入的研究并取得了以下结果: (1) 在深入了解支持向量机回归的基本原理和算法的基础上,提出一种用于在线训练的支持向量机回归(OSVR)算法。在线情况下采用批量训练方法对支持向量机回归(SVR)进行训练是非常低效的,因为训练集每次的变化都会导致对支持向量机的重新训练。OSVR训练样本采用序列输入代替了常规的批量输入。通过对两个标准集的测试表明:OSVR算法与SVMTorch算法相比具有可在线序列输入,生成支持向量机少和泛化性能强的优点。 (2) 在分析和了解工业过程软测量原理的基础上,将支持向量机方法引入蒸煮过程纸浆的Kappa值软测量技术中。针对纸浆蒸煮过程机理复杂、影响因素众多和数据不完备条件下纸浆Kappa值预报问题,探讨了支持向量机方法在纸浆Kappa值预报中的应用,经过与线性回归方法和人工神经网络方法预报结果比较,表明该方法具有精度高、速度快、泛化能力强的特点,取得了较传统软测量建模方法更好的预报效果。 (3) 利用LS-SVM为辨识器,提出了一种新的基于LS-SVM模型的预测控制结构。最小二乘支持向量机(LS-SVM)方法克服了经典二次规划方法求解支持向量机的维数灾问题,适合于大样本的学习。对一典型非线性系统—连续搅拌槽反应器(CSTR)的仿真表明,该控制方案表现出优良的控制品质并能适应被控对象参数的变化,具有较强的鲁棒性和自适应能力。在控制性能方面它优于神经网络预测控制和传统的PID控制。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 俞金寿;先进控制系统[J];化学世界;2000年S1期
2 薛耀锋 ,袁景淇;先进过程控制技术及应用[J];自动化博览;2004年06期
3 孙浩;车载VLBI天线精确定位预测控制系统[J];上海交通大学学报;1996年04期
4 印建平,高峰;基于最优控制的新型非线性预测仿真研究[J];现代制造工程;2004年01期
5 史恩秀,黄玉美,史文浩;轮式移动机器人轨迹跟踪的预测控制[J];机械科学与技术;2004年10期
6 潘晨;肖健梅;;基于SVM的船舶动力定位系统预测控制[J];仪器仪表用户;2010年06期
7 张厚杼;;氨合成塔温度的最佳预测控制[J];化工自动化及仪表;1988年01期
8 王永骥,徐桂英,涂健;水轮发电机组l~∞范数性能指标预测控制[J];控制理论与应用;1991年04期
9 吕剑虹,陈来九;一种多变量连续时间预测控制方法[J];自动化学报;1995年02期
10 毛志忠;一种全局稳定的直接预测自适应控制器[J];信息与控制;1995年02期
11 彭辉,桂卫华;预测控制中逆矩阵的递推求解算法[J];中南工业大学学报(自然科学版);1997年04期
12 方斌,李仁,季幼章;关于预测控制的鲁棒性[J];安徽大学学报(自然科学版);1998年02期
13 杨马英,王树青,王骥程;有约束过程的预测控制[J];浙江大学学报(工学版);1999年06期
14 黄显林,王永富,胡恒章;基于小波神经网络的非线性系统预测控制研究[J];自动化技术与应用;1999年05期
15 冯少辉,周立芳,钱积新;过阻尼过程的预测控制改进算法[J];机床与液压;2002年04期
16 刘玉长,桂卫华,周孑民;基于软测量技术的模糊烧结终点控制研究[J];烧结球团;2002年02期
17 兰婷,张伟勇;一种具有稳态目标优化的预测控制算法[J];油气田地面工程;2002年03期
18 程宏亮,张国贤,包海昆;一种基于RTLinux实时操作系统的自适应预测控制的实现方法[J];计算机测量与控制;2003年06期
19 金元郁,张彦军;基于输入设计的广义预测控制[J];青岛科技大学学报(自然科学版);2003年01期
20 胡长松,贾延刚,夏伯楷;软测量技术现状与发展[J];石油仪器;2003年03期
中国重要会议论文全文数据库 前10条
1 张峻;席裕庚;;输入受限时预测控制的一种简易算法[A];1996中国控制与决策学术年会论文集[C];1996年
2 毛志忠;陈晓峰;;一种简化的预测控制算法[A];1995中国控制与决策学术年会论文集[C];1995年
3 刘晓华;;一类双线性加权自适应预测控制[A];1996中国控制与决策学术年会论文集[C];1996年
4 杨健;恽为民;席裕庚;张钟俊;;改进遗传算法及在优化控制中的应用[A];1994中国控制与决策学术年会论文集[C];1994年
5 周明;周坚刚;余达太;;钢铁企业模型预测控制技术综述[A];冶金轧制过程自动化技术交流会论文集[C];2005年
6 陈云云;宁芳青;;锅炉蒸汽温度控制系统中广义预测控制的应用研究[A];冶金轧制过程自动化技术交流会论文集[C];2005年
7 陆冬娜;杨马英;;基于DCS系统的神经网络预测控制[A];第八届工业仪表与自动化学术会议论文集[C];2007年
8 薛云灿;胡树棠;;专家模型算法控制的进一步研究[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(上册)[C];1995年
9 任作新;;一种预测控制新算法[A];1995中国控制与决策学术年会论文集[C];1995年
10 曹明;王慧;刘宝坤;;一种基于NN模型的预测控制[A];1998中国控制与决策学术年会论文集[C];1998年
中国博士学位论文全文数据库 前10条
1 李海生;支持向量机回归算法与应用研究[D];华南理工大学;2005年
2 魏晋宏;预测控制在工业生产过程中的应用研究[D];太原理工大学;2011年
3 安爱民;基于预测控制的先进过程控制技术研究[D];兰州理工大学;2010年
4 李姝;基于预测控制的汽油发动机怠速控制方法研究[D];吉林大学;2010年
5 冷欣;船用增压锅炉汽包水位预测控制方法研究[D];哈尔滨工程大学;2009年
6 刘瑞兰;软测量技术若干问题的研究及工业应用[D];浙江大学;2004年
7 韩恺;化工过程中的若干预测控制算法与应用研究[D];浙江大学;2009年
8 安莉;发酵过程生物量软测量建模专家系统研究[D];北京化工大学;2010年
9 臧传德;船舶航行的智能预测控制研究[D];哈尔滨工程大学;2002年
10 刘岩;网络流量控制若干关键技术研究[D];复旦大学;2005年
中国硕士学位论文全文数据库 前10条
1 贾晓军;延迟焦化装置先进控制策略的研究[D];西安建筑科技大学;2009年
2 李湘君;智能预测控制算法及其应用研究[D];南京工业大学;2004年
3 李建民;AUV水下回收预测与协调控制技术研究[D];哈尔滨工程大学;2010年
4 郄程飞;室内温控系统的预测控制研究[D];燕山大学;2011年
5 李晓燕;预测控制在非最小相位系统中的应用[D];华北电力大学(河北);2010年
6 贾晓波;线性时滞系统的预测控制[D];中国海洋大学;2003年
7 撒继铭;预测控制在工业窑炉温度控制中的应用研究[D];武汉理工大学;2002年
8 滕海涛;主动队列管理的优化与预测控制算法设计[D];大连理工大学;2005年
9 杨黎峰;基于神经网络预测控制的水源热泵控制系统研究[D];北方工业大学;2005年
10 郭旭;全方位移动机器人的运动预测控制[D];浙江大学;2006年
中国重要报纸全文数据库 前10条
1 本报记者 何晓曦;中国能源战略寻求突破[N];国际商报;2004年
2 徐用懋 熊智华;新技术提升过程测控能力[N];中国化工报;2005年
3 金石;轧钢模型控制技术培训首次在中国举行[N];中国冶金报;2007年
4 丁广冉;夏甸承担国家安全科技支撑项目[N];中国黄金报;2007年
5 本报记者 席大伟;六大巨头谋动WiMax 中兴华为有望借机突围[N];通信信息报;2008年
6 本报记者 张自然 曾铭 王倩;倾听“天堂硅谷”[N];中国电子报;2002年
7 “十一五”规划编制组;石油化工自动化:进步挺大 差距不小[N];中国化工报;2006年
8 本报记者 沈洪竹;贵阳市南明区民族工作成绩斐然[N];贵州民族报;2006年
9 秦琴;全程质量数控技术确保注射液安全性[N];健康报;2007年
10 本报记者 严振华;站在巨人的肩膀上[N];中国保险报;2003年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978