在线鲁棒最小二乘支持向量机回归建模.pdfVIP

第28卷第 11期 控 制 理 论 与 应 用 、，o1．28NO．11 2011年 11月 ControlTheory Applications NOV．2011 文章编号：1000—8152(2011)11--1601—06 在线鲁棒最小二乘支持 向量机回归建模 张淑宁 ，王福利 ，何大阔 ，贾润达 (1．东北大学信息科学与工程学院，辽宁沈阳110004； 2．东北大学流程工业综合 自动化国家重点实验室，辽宁沈阳 110o04) 摘要：鉴于工业过程的时变特性以及现场采集的数据通常具有非线性特性且包含离群点，利用最小二乘支持 向量机回归(1eastsquaressupportvectorregression，LSSVR)建模易受离群点的影响．针对这一问题，结合鲁棒学习算 法(robustlearningalgorithm，PLEA)，本文提出了一种在线鲁棒最小二乘支持向量机回归建模方法．该方法首先利 用LSSVR模型对过程输出进行预测，与真实输出相比较得到预测误差；然后利用RLA方法训练LSSVR模型的权值， 建立鲁棒LSSVR模型；最后应用增量学习方法在线更新鲁棒LSSVR模型，从而得到在线鲁棒LSSVR模型．仿真研 究验证了所提方法的有效性． 关键词：鲁棒学习算法；最小二乘支持向量机；鲁棒性；非线性 中图分类号：TP273 文献标识码：A M odelingmethodofonlinerobustleast-squares-support-vector regression ZHANG Shu—ningI Ⅵ NG Fu—Ii1，- HEDa—kuoI，2 JIA Run—daa ， ， ， (1．SchoolofInofrmafionScienceEngineering，NortheasternUniversity,ShenyangLiaoning110004，China； 2．StateKeyLaboratoryofSyntheticalAutomationforProcessIndustries，NortheasternUniversity, ShenyangLiaoning110004，China) Abstract：Industrialprocessespossesstime-varyingfeature，anddatafrom industrialfieldusuallypossessnonlinera featureandcontainoutliers．Modelingwithleast-squares—support—vectorregression(LSSVR)methodmaysufferrfomhtese outliers．Todeal wiht htisproblem，wedevelopna onlinerobustLSSVRmehtodbycombiningwiht hterobustlearning algorithm(RLA)．TheLSSVRmodelisusedtopredictprocessoutputs，nadhteresidualsraeformedfromrealoutputs nadpredictedouptuts．TheRLAtrainstheweightsofLSSVRmodeliteratively．ThetrainedrobustLSSVRmodelishten updatedbymenasofincrementalupdatingalgor