基于变异CPSO算法的LSSVM蒸发过程软测量.pdfVIP

学兔兔 化 工 进 展 ·440· CHEMICAL INDUSTRY AND ENGINEERING PROGRESS 2010年第29卷第3期 基于变异CPSO算法的LSSVM蒸发过程软测量 阳春华 ，钱晓山 ， ( 中南大学信息科学与工程学院，湖南 长沙 410083； 宜春学院物理科学与工程技术学院，江西 宜春 336000) 摘 要：在分析混沌粒子群优化算法 (CPSO)和最小二乘支持向量机 (SVM)理论基础上，以某氧化铝厂蒸发 过程为对象，采用带有末位淘汰机制的混沌粒子群优化算法优化支持向量机的参数，建立了基于变异 CPSO算 法的LS—SVM的氧4t：4~蒸发过程软测量模型，并与PSO—LSSVM、LSSVM模型比较，研究表明，ICPSO—LSSVM 模型预测准确，泛化性能好，且该模型预测结果中相对误差小于5％~-5样本达到92．5％，最大相对误差仅为8．1％， 均方差MSE为0．05153，模型具有较高的精度，其现场实施结果表明基本可以实现出口浓度的实时在线预估。 关键词：变异混沌粒子群算法；最小二乘支持向量机；蒸发过程：软测量 中图分类号：TP 273 文献标识码：A 文章编号：1000—6613(2010)03—0440～05 Soft sensor study of evaporation process in alumina production based on mutant CPS0 and LSSVM YANG Chunhua ．QIAN Xiaoshan ， (’School ofInformation ScienceEngineering ， Central South University，Changsha 410083，Hunan，China Physical Science and Technology College，Yichun University，Yichun 336000，Jiangxi，China) Abstract：On the basis of particle swarm optimization(PSO)algorithm and support vector machine (SVM )，the PSO algorithm with last out mechanism was applied to optimize the parameters of SVM． Then，a mutant ICPSO—LSSVM model for predicting SOft sensor of the evaporation process in alumina production was constructed and compared with PSO—LSSVM and LSSVM models．Results illustrated that ICPSO—LSSVM is featured with more accuracy and better generalization ability and performance， with which samples with prediction relative error less than 5％ are as high as 92．5％，the maximal relative error is only 8．1％，and the MSE is 0．O5153．The