

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、在實際工業(yè)過程中,一些關(guān)鍵的過程變量和生產(chǎn)過程的安全保障乃至產(chǎn)品質(zhì)量都有著密切的聯(lián)系。因此,對于過程變量的準確預測對于過程控制、生產(chǎn)決策等應(yīng)用有重要意義。一般來說,預測結(jié)果通常由點估計結(jié)果給出。然而,對于高維、高非線性和含噪聲的工業(yè)過程,點估計越來越難以滿足精度要求,同時,在無法獲得真實值的情況下,也無法對預測結(jié)果的不確定度進行估計。由此,本文著重研究區(qū)間預測方法及其過程工業(yè)應(yīng)用,主要研究內(nèi)容如下:
(1)為了對預測結(jié)果的不確
2、定性和變化趨勢進行估計,本文提出了一種基于Bootstrap和相關(guān)向量機(Bootstrapped RVM)的區(qū)間預測方法。在該方法中,Bootstrap用于重抽樣和獲取預測區(qū)間,RVM作為回歸算法。兩者結(jié)合后,可以構(gòu)建可靠的預測區(qū)間并快速得出預測結(jié)果,在數(shù)據(jù)量不大的情況下,它的訓練速度也足夠快。
(2)由于Bootstrap法需要多次抽樣并對每組重抽樣數(shù)據(jù)訓練RVM模型,從而導致訓練和測試時間線性增加。對此,本課題引入了并行
3、計算方法,并改進了現(xiàn)有訓練和測試算法(Parallel Bootstrapped RVM),將多組樣本的訓練和測試過程由計算機的多核心處理器并行執(zhí)行,從而在一定程度上降低了Bootstrap法多次訓練和測試問題帶來的影響,并提高了大數(shù)據(jù)量下的訓練和測試速度和計算機計算資源的利用率。
(3)結(jié)合雙稀疏相關(guān)向量機與Bootstrap方法,本文提出了另一種區(qū)間預測方法:Parallel Bootstrapped DSRVM。該方法可
4、以應(yīng)對包含更復雜特征的數(shù)據(jù),并且對噪聲方差的逼近更接近于真實值。
(4)考慮到累積偏差指標的相對值計算方法對于數(shù)據(jù)在零值附近的誤差放大問題,提出了新的區(qū)間平均誤差指標;此外,由于實際應(yīng)用中的數(shù)據(jù)存在時效性,本文提出了時間窗口評價指標的改進和表示方法。
(5)本文使用加入不同噪聲的標準函數(shù)數(shù)據(jù),以及實際工業(yè)過程的高密度聚乙烯數(shù)據(jù)分別對所提出的方法進行了驗證,仿真實驗使用了基于Bootstrap的RVM、DSRVM、SV
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Bootstrap方法的金屬期貨市場風險測度VaR和ES的區(qū)間預測.pdf
- 基于最小二乘支持向量機的短期負荷預測方法及應(yīng)用研究.pdf
- 支持向量機方法及應(yīng)用研究.pdf
- 基于支持向量機的短期電力負荷預測方法研究及應(yīng)用.pdf
- 20513.相關(guān)向量機的改進及應(yīng)用研究
- 基于支持向量機的股價預測方法及實證研究.pdf
- 基于支持向量機的組合預測模型及其應(yīng)用研究.pdf
- 基于支持向量機的預測控制及其應(yīng)用研究.pdf
- 支持向量機加速方法及應(yīng)用研究.pdf
- 支持向量機在混沌預測和辨識中的應(yīng)用研究.pdf
- 基于相關(guān)向量機的復雜工業(yè)過程故障檢測方法應(yīng)用研究.pdf
- 支持向量機方法在風電場風速預測中的應(yīng)用研究.pdf
- 基于支持向量機的算法及應(yīng)用研究.pdf
- 基于關(guān)聯(lián)向量機建模方法及化工軟測量應(yīng)用研究.pdf
- 智能優(yōu)化支持向量機預測算法及應(yīng)用研究.pdf
- 基于支持向量機的變形預測方法研究.pdf
- 基于支持向量機和混沌理論的壓縮機狀態(tài)預測方法研究.pdf
- 基于支持向量機的證券價格預測方法研究.pdf
- 基于支持向量機的生理信號預測方法研究.pdf
- 基于支持向量機的煤自燃預測方法研究.pdf
評論
0/150
提交評論