邵学广-重叠溶出伏安信号的多模型建模方法研究.pptVIP

邵学广-重叠溶出伏安信号的多模型建模方法研究.ppt

  1. 1、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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、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
  6. 6、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。
  7. 7、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
邵学广-重叠溶出伏安信号的多模型建模方法研究

重叠溶出伏安信号的多模型建模方法研究 报告人: 杜国荣 指导教师:邵学广教授 背景 电分析化学 化学计量学 溶出伏安信号 多模型共识方法 降低对某个或某些样本的依赖性 提高预测结果的稳定性 多模型建模 共识偏最小二乘方法(cPLS) MC sampling + PLS 数据: 建模集样本:35 ;预测集样本:15 实验条件 仪器: 天津兰力科电化学工作站; 方波幅度: 25mV;扫描速度: 5mV/s;电沉积时间: 120s 模型参数 cPLS的预测结果 结论 cPLS建模方法更加稳健、可靠,预测结果也较好 对于建模样本较少的电化学数据有更深远的意义 非线性问题 共识最小二乘支持向量回归(cLSSVR) 电化学数据中的非线性问题 SVM思想:通过非线性变换(通过定义适当的内积函数)将输入空间变换到一个高维空间,然后在这个新空间中求取最优线性分类面。LS-SVM, 将二次规划问题转变成线性方程组的求解,简化了计算,加快了运算速度。 cLSSVR的预测结果 引入LSSVR解决电化学数据建模非线性的问题,使共识模型的预测结果更加精确。 子模型之间的差异? 奇异样本识别 统计样本在不同的子模型中出现的规律,实现奇异样本的识别。 奇异样本在建模集和在预测集中,对模型的影响不同 几种方法结果的比较 Thanks for your attention ! * * 新数据 训练集a Model 1b Model 2 Model n 组合c 预测 … a 分组方法:Bagging, Boosting,… b 建模方法:PLS, ANN, SVM, …… c 组合方法:Averaging, Voting,… 交叉验证或检验集验证 多 模 型 建 模 样 本 波 长 频 率 Consensus PLS (cPLS) Consensus LSSVR Robust ensemble PLS Multiblock PLS Weight multiscale regression DWT + Multiblock PLS Robust boost PLS 子模型的平均误差 成员模型相对于整体模型的偏差 预测精度较高-显著性差异较大 算法流程: 设置参数 建立子模型 筛选子模型 预测 70% 220 算法流程: 设置参数 建立子模型 模型排序 样本累计频次 0.002429 0.2323 cLSSVR 0.001093 0.2236 cPLS 0.02548 0.2365 PLS 0.002461 0.2175 cLSSVR 0.001350 0.2276 cPLS 0.02994 0.2426 PLS ? RMSEP

文档评论(0)

zhuwenmeijiale + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:7065136142000003

1亿VIP精品文档

相关文档