《一种改进的CPSO-LSSVM软测量模型及其应用 Soft sensor modeling method based on improved CPSO-LSSVM and its applications》.pdfVIP

第35卷第1期 仪 器 仪 表 学 报 V01．35No．1 Chinese ofScientificInstrument 2014年1月 Journal Jan．2014 乔宗良‘，张蕾2，周建新1，司风琪1，徐治皋‘ (1．东南大学能源热转换及其过程测控教育部重点实验室南京210096； 2．南京化工职业技术学院机械技术系 南京210048) 摘要：针对最小二乘支持向量机(KS．SVM)在处理大规模数据集的回归和分类问题时缺少支持向量所具有的稀疏性和难以 确定最佳模型参数值的问题，提出一种改进算法，利用样本间马氏距离分析样本相似程度，剔除部分相关样本，对样本集进行约 数进行优化选择，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湿法脱硫系统浆液pH值的软测量建模，给出了 应用该方法的具体步骤，研究结果表明，该算法取得了较高的建模精度和泛化能力，为pH值的在线实时监测提供了一个有效 手段。 关键词：混沌粒子群优化；马氏距离；最dx__-乘支持向量机；稀疏性；pH值；软测量 中图分类号：TPl8文献标识码：A 国家标准学科分类代码：120．30 on Softsensor methodbased modeling improved CPSO-LSSVMandits applications Lei2，ZhouJianxinl，SiFengqil，XuZhiga01 QiaoZonglian91，Zhang Thermal Control LaboratoryofE，lergy Conversionand ofMinistryofEducation，SoutheastUniversity，Nanjing210096，China； (J．Key Mechanical Chemical 2．Departmentof Technology，NanjingCollegeof Technology，Nanjing210048，China) atthefactthatin withthe andclassificationof scaledatasetwith Abstract：Aiming dealing regression problemslarge alotof least vector hassome demerits，suchas， samples，traditionalsquaressupport machine(LS-SVM)algorithm in model is to thelossof andthe overcome sparsenessdifficultyselectingparameters，animprovedalgorithmproposed theabovedrawbacksinthis