收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

机器学习在软测量建模方面的若干应用

李雅芹  
【摘要】:软测量技术是当今过程检测和过程控制技术的研究热点,由于实际工业过程对象呈现出日益复杂、工况时变以及过程变量众多且存在严重的非线性等特性,基于多元线性回归理论的传统软测量模型越来越不适应高度非线性的复杂工业过程软测量建模。而机器学习理论的发展为复杂的实际工业过程建模提供了新方向,为了提高模型的泛化性能以及模型的鲁棒性,本文分别从集成学习、局部学习和概率核学习角度探讨了一些基于机器学习的软测量建模方法,主要研究工作如下: 1、利用集成学习的思想,提出了一种改进的Adaboost.RT模糊支持向量回归机的集成算法,提高了单一支持向量回归机的泛化能力。该集成算法把Adaboost.RT算法中样本权重函数作为FSVM的模糊隶属度函数,采用Adaboost.RT算法的迭代过程依次形成一系列FSVM,并且使用上层SVM对底层FSVM输出进行优化集成。该算法应用于脱水塔出口苯酚含量的软测量建模中,工业仿真结果表明该集成算法可以改善回归模型的估计效果,提高模型的泛化性能。 2、局部学习是机器学习领域新的发展趋势,针对复杂工业过程的非线性、变量间的强相关性以及工况时变的特点,提出了一种基于局部KPLS特征提取的LSSVM建模方法。该方法通过属性加权的欧式距离作为指标选取局部训练样本子集,利用KPLS算法对该子集进行特征提取,然后使用LSSVM算法在线建立局部软测量模型。实验结果表明,该方法可以有效的实现特征提取,具有更好的推广能力和预测精度,该方法比基于全局KPLS特征提取的LSSVM模型和未经特征提取的全局LSSVM模型具有更好的泛化能力。 3、概率核学习机是机器学习领域新的发展方向,本文提出一种基于仿射传播聚类和高斯过程的多模型建模方法,得到模型估计输出的同时还可以得到模型输出的置信区间。该方法定义了一种新的相似度使仿射传播聚类算法把样本数据按照不同的工作点进行聚类,获得的子聚类样本数据再分别使用高斯过程建立相应的子模型,用“切换开关”方式组合作为最终模型的输出。将该建模方法应用到某双酚A反应釜出口丙酮含量的软测量建模中,仿真结果表明该方法具有较高的估计精度和一定的实用价值。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陈如清;俞金寿;;非线性同伦LM算法及在软测量建模中的应用[J];华东理工大学学报(自然科学版);2008年01期
2 刘毅;陈坤;王海清;李平;;选择性递推LSSVR及其在过程建模中的应用[J];高校化学工程学报;2008年06期
3 杨妍;陈如清;俞金寿;;基于混沌最小二乘支持向量机的软测量建模[J];华东理工大学学报(自然科学版);2009年06期
4 陈帅;朱建宁;潘俊;侍洪波;;最小二乘支持向量机的参数优化及其应用[J];华东理工大学学报(自然科学版);2008年02期
5 杨凌;宋军;金强;;一种引入混沌机制的新型Elman神经网络及其应用[J];计算机应用;2009年02期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前3条
1 孙岩;彭亦功;;基于支持向量机和粒子群优化算法的软测量建模[A];中国仪器仪表学会2008学术年会第二届智能检测控制技术及仪表装置发展研讨会论文集[C];2008年
2 陈帅;侍洪波;朱建宁;;基于LS-SVM的德士古炉温软测量建模[A];2007年中国智能自动化会议论文集[C];2007年
3 袁安平;张湜;姜珉;陈可泉;;支持向量机在丁二酸发酵过程建模中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
中国博士学位论文全文数据库 前1条
1 陈进东;基于模糊在线支持向量回归的建模与预测控制研究[D];江南大学;2013年
中国硕士学位论文全文数据库 前9条
1 李昂;基于SVM的常压塔石脑油干点软测量建模研究[D];哈尔滨工业大学;2008年
2 骆中华;基于数据驱动的软测量建模技术及其工业应用[D];浙江大学;2006年
3 袁沈坚;酮苯脱蜡回收系统的建模与优化[D];华东理工大学;2011年
4 梁磊;明胶生产胶液浓度的软测量建模及优化[D];兰州理工大学;2013年
5 万元;多喷嘴对置式水煤浆气化炉控制系统设计与炉温软测量技术[D];华东理工大学;2011年
6 梁杰;基于数据的软测量建模方法研究及应用[D];杭州电子科技大学;2009年
7 李杰;水煤浆气化炉炉温智能软测量建模应用研究[D];华东理工大学;2012年
8 潘红芳;极限学习机的研究及其在醋酸精馏软测量建模中的应用[D];华东理工大学;2014年
9 徐铭泽;正链RNA遗传算法研究[D];浙江大学;2011年
 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