基于數(shù)據(jù)驅(qū)動(dòng)的軟測量建模技術(shù)應(yīng)用研究.pdf

1、基于數(shù)據(jù)驅(qū)動(dòng)的軟測量建模面臨以下問題:過程變量眾多且存在相關(guān)性、數(shù)據(jù)樣本較少、數(shù)據(jù)受噪聲污染、過程具有高度非線性及時(shí)變性等。本文深入研究了基于支持向量機(jī)(SVM)的軟測量建模方法，試圖解決上述問題。論文的主要內(nèi)容和研究成果包括:
　　 1、由于SVM的性能與核函數(shù)的類型、核函數(shù)的參數(shù)以及懲罰系數(shù)C都有密切的關(guān)系，它們的不同選擇直接關(guān)系到SVM模型的推廣能力，而目前又無解析方法指導(dǎo)SVM參數(shù)選擇的問題。本文提出了一種基于粒子群優(yōu)化

2、(PSO)算法的SVM參數(shù)選擇方法。該方法將SVM參數(shù)集當(dāng)作粒子群，以最小化k-fold交叉驗(yàn)證誤差作為適應(yīng)目標(biāo)，利用PSO強(qiáng)勁的全局搜索能力實(shí)現(xiàn)了參數(shù)優(yōu)選。實(shí)際應(yīng)用例子表明該方法對模型的推廣能力及精度的提高具有很大的作用。
　　 2、針對工業(yè)過程中的嚴(yán)重非線性問題，本文提出了將SVM與偏最小二乘(PLS)相結(jié)合用于軟測量建模的方法。該方法兼?zhèn)銹LS和SVM的優(yōu)點(diǎn)，從而提高了模型的非線性處理能力和精度。將該方法應(yīng)用于雙酚A生產(chǎn)過

3、程中質(zhì)量指標(biāo)的軟測量建模，仿真結(jié)果表明了該算法的可行性和有效性。
　　 3、由于SVM擬合數(shù)據(jù)能力的局限性，單一模型不能很好地提取數(shù)據(jù)中的信息，針對這個(gè)問題，本文提出了一種基于模糊C均值(FCM)的組合SVM建模方法。該FVM-SVM方法通過引入模糊c均值聚類方法，對數(shù)據(jù)進(jìn)行分組訓(xùn)練，建立各個(gè)子模型，大大節(jié)省了建模的訓(xùn)練時(shí)間；最后用模糊聚類后產(chǎn)生的隸屬度將各個(gè)子模型的輸出加權(quán)求和得到最后的輸出結(jié)果。仿真結(jié)果證明該方法具有良好的實(shí)