基于改进极限学习机的软测量建模.pdf

Journal ofComputerApplications ISSN 10o1．9081 2017．03—10 计算机应用，2017，37(3)：668—672 CODENJYIIDU http：／／www．joca．cn 文章编号：1001-9081(2017)03—0668—05 DOI：10．11772／j．issn．1001—9081．2017．03．668 基于改进极限学习机的软测量建模 周 馨 ，王国胤，于 洪 (重庆邮电大学计算智能重庆市重点实验室，重庆 400065) (通信作者电子邮箱zhouxin一1121@qq．corn) 摘 要：极限学习机(ELM)因其泛化能力好和学习速度快而成为软测量的新方法，但 当应用到铝电解工艺参数 建模时，ELM通常需要较多隐层节点并且泛化能力较低。针对这一问题，提 出一种基于改进极限学习机 (IELM)的软 测量模型。首先，利用粗糙集中的约简理论剔除输入变量中的冗余或不相关属性，以降低ELM的输入复杂性；然后， 利用偏相关系数对输入变量和输出变量间的相关性进行分析，将输入数据分为正输入和负输入两部分，分别对这两 部分建立输入单元，重新构建ELM网络；最后，建立了基于改进极限学习机的铝电解分子比软测量模型。仿真实验结 果表明，基于改进极限学习机的软测量模型具有较好的泛化能力和稳定性。 关键词：极限学习机；软测量；粗糙集；偏相关系数 中图分类号：TP391．6 文献标志码：A Soft—sensingmodelingbasedon improvde extremelearningmachine ZHOU Xin 。WANG Guoyin，YU Hong (ChongqingKeyLaboratoryofComputational igence，ChongqingUniversityofPostsandTelecommunications，Chongqing400065，China) Abstract：ExtremeLearningMachine(ELM)hasbecomeanewmethodinsoft—sensingduetoitsgoodgeneralizationand fasttrainingspeed．However，ELM oftenneedsmorehiddenlayernodesanditsgeneralizationisreducedin theparameter modelingforaluminum electrolysisproductionprocess．Tosolvetheproblem，asoft—sensingmodelbasedonImprovedExtreme LearningMachine(IELM)wasproposed．Firstly，roughsettheorywasappliedtoreducetheunnecessary，unrelatedor reductantinputvariables，reducingthecomplexityofELM input．Afteranalyzingtherelationshipbetweentheinputvariables nadoutputvariablesbypartial correlationcoefficient，theinputdatawasdividedintotwoparts，namelythepositivepartand thenegativepart．Then，thecorrespondingELM modelwasbuiltaccordingtothetwoparts．Finally，thesoft—sensingmodelof molecularratiobasedontheimprovedELM Was built．Thesimulationexperim