基于粒子群最小二乘支持向量机的软测量建模.pdfVIP

维普资讯 第 19卷第22期 系 统 仿 真 学 报@ Vo1．19No22 2007年 11月 JournalofSystem Simulation NOV．．2oo7 基于粒子群最小二乘支持向量机的软测量建模 陈如清 ．一，俞金寿 r1，华东理工大学 自动化研究所，上海 200237；2．嘉兴学院机电工程学院，浙江 嘉兴 314001) 摘 要：针对最小二乘支持向量机处理大规模样本软测量建模问题时出现模型结构复杂、失去支持 向量稀疏性且正规化参数和核参数难以确定的情况，提出了一种改进的算法。利用样本间马氏距离 进行样本相似程度分析，去除样本集中部分样本以简化模型结构并提高计算速度，此外应用改进 的带扰动项粒子群算法优化模型参数以提高模型的拟合精度和泛化能力．将提出的改进算法用于 丙烯腈收率软测量建模，研究结果表明模型精度较高、泛化性能好，满足现场测量要求。 关键词：最小二乘支持向量机；马氏距离；带扰动项粒子群算法；软测量 中图分类号：TP273 文献标识码：A 文章编号：1004—73IX(2007)22—5307—04 SoftSensorM odelingBasedonParticleSwarm Optimization andLeastSquaresSupportVectorM achines CHEN Ru—qingr，YUJinshou (1．ResearchInstituteofAutomation，EastChinaUniversityofScienceandTechnology，Shnaghai200237，China； 2．CollegeofMechanicalandelectricalEngineering，JiaxingUniversity，Jiaxing314001，China) Abstract：Traditionalleastsquaressupportvectormachines(LS—SVM)algorithmshaveflawswhendealingwithsoftsensor modelingproblem withlotsofsamples．Animprovedalgorithm wasproposedtoovercomedrawbackssuchashtecomplexity ofmodelstructure，thelossofsprasenessand thedifficulty in selecting normalizing praameternad kernelpraameten SimilaritiesbetweensampleswereanalyzedbywayofcomputingtheirMahalanobisdistances，mostoftheoriginalsample pointswereremovedtosimplifythemodelstructurethuscouldincreasethecomputingspeed~Moreover,animprovedparticle swarmoptimizationwithdisturbancewasintroducedtooptimizethemodelparameterstoraisethefittingaccuracyand enhanceitsgeneralizationability．Finallytheproposedmethodwasappliedin sen