175基于SVM的密炼机混炼胶的粘度预测与在线粘度计(黏度支持向量机回归).pdfVIP

华南理工大学学报(自然科学版) JoumalofSouthChina of V01．32No．9 第32卷第9期 UniVersityTechn0109y Science 2004 2004年9月 (Natural Edition) September 基于sVM的密炼机混炼胶的粘度预测 胡 蓉 汪国强 廖 芹 (华南理工大学应用数学系，广东广州510640) 摘 要：为了提高密炼机混炼胶粘度预测模型的可用性和精确度，在单台机模型的基础 上用支持向量机(sVM)非线性回归算法建立了一种新的基于sVM的混炼胶粘度预测模 型，并采用此模型对实测数据进行了预测．结果表明，文中所建立的新模型不仅降低了建 立预测模型时的工作量，而且提高了预测精度与速度．与多元回归的预测结果相比，新模 型具有更好的准确性，可有效用于混炼胶质量指标的在线预测． 关键词：混炼胶；粘度预测；支持向量机；回归 中图分类号：0234 文献标识码：A 在密炼机混炼过程中，在线预测混炼胶的粘度 择的训练数据的一些子集称为支持向量．最佳的支 对保证混炼胶的质最起着重要的作用．以往对混炼 持向量分离等效于所有数据的分离．支持向量机是 胶粘度的预测技术需要对每一种配方建立相应的预 从线性可分情况下的最优分类面发展而来的，其基 测数学模型，工作量很大．文献[1]从单台密炼机的 本思想可参阅文献[5—9]．支持向量机形式上类似 角度，研究粘度与排胶功率、转速和填充系数之间的 于一个神经网络，输出是中间节点的线性组合，每个 关系，并运用多元回归方法建立了单台机粘度预测模 中间节点对应于一个支持向量．其结构如图l所示． 型，取得了良好的效果，具体方法参见文献[2—4]． Vector 支持向量机(supportMachine，简称 sVM)是近年来发展起来的、性能优越的统计学习 方法．它最初用于解决模式识别问题．但近些年来 sVM在回归算法的研究方面也表现出极好的性能， 其回归算法被成功地应用于时间序列的预测、非线 性建模与预测、优化控制等方面．本文在单台机模型 的基础上，用支持向量机非线性回归算法建立混炼 胶粘度预测模型，它通过对样本数据的训练学习来 建立回归模型，提高了模型的可用性和预测精度． 图1 支持向量机结构图 sketch Fig．1SVM map 1 支持向量机回归原理 1．2 支持向量机回归 1．1 支持向量机 支持向量机可以进行线性回归和非线性回归． 支持向量机最初用于解决模式识别问题．在模 下面介绍这两种回归的实现过程． 式识别中，为了发现具有推广能力的决策规则，所选 设训练样本集D={(x，，)，，)lf=1，2，…，z}， 收稿日期：2004—0l一06 芏。∈欧氏空间E，y。E实数空间R．对于线性回归，回 归方程形式为