穩(wěn)健回歸技術(shù)及其在光譜分析中的應用.pdf_第1頁
已閱讀1頁,還剩153頁未讀 繼續(xù)免費閱讀

下載本文檔

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、現(xiàn)代工業(yè)生產(chǎn)過程中,為了嚴格控制產(chǎn)品質(zhì)量,降低能耗與生產(chǎn)成本,減少對環(huán)境的污染,需要加強對產(chǎn)品質(zhì)量的監(jiān)測分析。產(chǎn)品質(zhì)量分析方法主要包括化學分析法與儀器分析法,目前儀器分析法已成為分析方法的主流。光譜分析技術(shù),因其分析速度快、對樣品無損、操作技術(shù)要求低等優(yōu)勢,已成為一類常用的儀器分析方法,近年來得到了普遍的重視與廣泛的應用。光譜定量分析大都采用如下方法:首先基于一組已知組成或?qū)傩缘挠柧殬颖九c對應的譜圖建立光譜分析模型,再基于該模型與未知樣

2、品的譜圖對未知樣品的組成或性質(zhì)進行分析計算。然而,實際應用中,受環(huán)境干擾、儀表偏差和人為失誤等因素的影響,訓練樣本數(shù)據(jù)集中很可能存在部分異常樣本;這些異常樣本顯著地降低了分析模型的可靠性與準確性。如何避免或減少異?;蝈e誤訓練樣本對分析結(jié)果的不利影響,已成為當前迫切需要解決的問題。本文以光譜定量分析為背景,對穩(wěn)健回歸技術(shù)進行了深入的研究,具體包括:
   ⑴針對現(xiàn)有穩(wěn)健偏最小二乘(Partial Least Squares,PLS

3、)的不足,提出了一種具有異常樣本自動剔除功能的穩(wěn)健PLS算法。該算法在建模過程中進行迭代計算,通過PLS回歸誤差分布確定置信區(qū)間,并由此自動剔除異常樣本。同時,在現(xiàn)有局部回歸的基礎(chǔ)上,提出了穩(wěn)健局部主成分回歸(Principle ComponentRegression,PCR)算法。該算法對PCR所涉及的主成分分析和多元線性回歸兩個步驟都進行了穩(wěn)健化處理,并在多元線性回歸時采用了局部回歸。上述穩(wěn)健算法已應用于汽油辛烷值近紅外光譜分析中,

4、結(jié)果表明:這兩種算法在穩(wěn)健性和準確性上都優(yōu)于其他線性穩(wěn)健回歸方法。
   ⑵為了提高現(xiàn)有最小二乘支持向量機(Least Squares Support VectorMachine,LS-SVM)的穩(wěn)健性,提出了一種穩(wěn)健的LS-SVM算法。該算法使用LS-SVM回歸誤差分布的穩(wěn)健置信區(qū)間選擇訓練樣本中盡可能多的正常樣本用于LS-SVM建模,同時盡可能多地剔除異常樣本。為了減少迭代計算時間,又提出了相應的快速算法。仿真與試驗結(jié)果驗證

5、了算法的有效性。在此基礎(chǔ)上,將該算法應用于汽油品質(zhì)拉曼光譜分析儀中,運行結(jié)果表明,該方法能夠有效檢測出異常樣本,模型預測精度符合實際應用的要求。
   ⑶針對原始加權(quán)LS-SVM(Weight LS-SVM,WLS-SVM)在收斂性和穩(wěn)健性方面的不足,提出了一種WLS-SVM的穩(wěn)健化迭代算法。該算法修正了原始WLS-SVM求取回歸誤差的計算公式,從根本上解決了WLS-SVM的收斂性問題;同時,對原始算法求權(quán)值的步驟進行了改進,采

6、用回歸誤差的中值作為計算加權(quán)值的比較基準,從而大幅度提高了WLS-SVM的穩(wěn)健性。
   ⑷為進一步提高WLS-SVM的穩(wěn)健性,提出了一種結(jié)合M估計器的LS-SVM算法(MLS-SVM)。該算法用M估計器的殘差代替LS-SVM目標函數(shù)中的最小二乘殘差,并利用迭代方式求解修正后的優(yōu)化問題。針對紅外光譜分析的實驗結(jié)果顯示了該算法比WLS-SVM及其它常用的支持向量機算法更穩(wěn)健,且計算時間與LS-SVM相差無幾,可用于需要實時計算的場

7、合。
   ⑸在上述研究的基礎(chǔ)上,提出了廣義LS-SVM算法(generalized LS-SVM,GLS-SVM)。該算法利用一般意義下的遞減的殘差偶函數(shù)代替了LS-SVM中的殘差平方和,并采用迭代算法對GLS-SVM進行求解。在迭代計算過程中,并不需要計算殘差偶函數(shù),而只需要構(gòu)造一個關(guān)于殘差的加權(quán)函數(shù);本文同時給出了幾種典型的加權(quán)函數(shù)。針對煙草屬性近紅外光譜分析的研究結(jié)果表明,經(jīng)過選擇合適的加權(quán)函數(shù),GLS-SVM具有良好的

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。

評論

0/150

提交評論