- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
输入不确定BELM在发酵过程软测量中的应用
学兔兔
输入不确定BELM在发酵过程软测量中的应用 姚景升,等
输入不确定BELM在发酵过程软测量中的应用
姚景升,刘 飞
(江南大学轻工过程先进控制教育部重点实验室 自动化研究所 江苏无锡,214122)
摘 要:为复杂的发酵过程建立软测量模型要求模型最好能够给出预测值的置信区间,以便技术
人员对发酵过程的真实状况和模型的可靠性进行评估。贝叶斯极限学习机能够在实现预测的同时一并
给出预测值的置信区间,因此将其用于发酵过程的软测量建模。然而,实际发酵过程中的输入数据往
往带有噪声,贝叶斯极限学习机仅能处理输出含噪声的情况。针对这个问题,提出了输入不确定贝叶
斯极限学习机。在原有的贝叶斯推理过程中引入输入不确定性,得到了综合考虑输入输出噪声的模型
参数和预测置信区间。最后利用青霉素发酵过程进行仿真验证,建立了产物质量浓度的软测量模型,
结果表明该方法预测精度高,得到的预测置信区间包含了所有真实值。
关键词:发酵过程;软测量;极限学习机;贝叶斯模型;输入不确定;置信区间
Abstract:Softsensorforfermentationprocessisbettertogettheconfidenceintervalofpredictionvalue.
Sothattechnicalstaff canmakereasonableevaluationontherealsituationoffermentationprocess.Bayesian
extremelearningmachineisappliedtothesoftsensoroffemr entationprocessbecauseitcanobtainprediction
valueandconfidenceintervalatthesametime.However,noisyinputisnotconsideredbythemodelingmeth—
odbasedBayesianextremelearningmachine,thisisnotconsistentwithrealcondition.Toaddressthisprob—
lem,Bayesianextremelearningmachinewithinputuncertaintyisproposed.ItisaBayesianexrtemelearning
machineframeworkwhichallowsofrinputnoiseandgetthemodelparameterswhichareoverallconsideration
ofinputandoutputnoiseaswellasconfidenceintervalofprediction.Applyingtheproposedmethodtomodel
thepenicillinfermentationprocess,thesimulationresultsshow itsgoodpredictionaccuracyandallofrealval—
uesareincludedintotheconfidenceinterva1.
Keywords:Femr entationprocess;Softsensor;Exrtemelearningmachine;BayesianM odel;Inputuncer—
tainty;Confidenceinterval
中图分类号:TP297 文献标识码 :B 文章编号:1001-9227 (2014)05-0122-06
0 引 言 算法 ,克服 了传统神经网络的许多缺点,简单易
发酵过程广泛应用于跟我们生活息息相关的化 行、学习速度快、泛化性能好,在 回归、大规模数
学、制药及食品工业中
您可能关注的文档
- 基于人工萤火虫的模糊聚类算法研究.pdf
- 基于人机工程学原理的计算机键盘设计.pdf
- 基于人机工程学的采煤机导向滑靴技术改进研究.pdf
- 基于人工蜂群算法的图像阈值分割.pdf
- 基于代理的合弄智能控制结构的理论研究.pdf
- 基于人工神经网络的自适应继电保护.pdf
- 基于以太网技术的大型冲压生产线的远程监控系统设计.pdf
- 基于以太网的LED点阵显示系统的设计.pdf
- 基于人机工程学的家用环保垃圾桶创新设计.pdf
- 基于产学研结合的机械人才培养模式教学改革与实践.pdf
- 2024年中国钽材市场调查研究报告.docx
- 2024年中国不锈钢清洗车市场调查研究报告.docx
- 2024年中国分类垃圾箱市场调查研究报告.docx
- 2024年中国水气电磁阀市场调查研究报告.docx
- 2024年中国绿藻片市场调查研究报告.docx
- 2010-2023历年初中毕业升学考试(青海西宁卷)数学(带解析).docx
- 2010-2023历年福建厦门高一下学期质量检测地理卷.docx
- 2010-2023历年初中数学单元提优测试卷公式法(带解析).docx
- 2010-2023历年初中毕业升学考试(山东德州卷)化学(带解析).docx
- 2010-2023历年初中毕业升学考试(四川省泸州卷)化学(带解析).docx
文档评论(0)