基于KPCA和LSSVM的氧化铝粉流量预测

摘要：

针对氧化铝粉流量需在线精确测量,在线分析仪表成本较高和测量滞后的问题,提出了一种将核主元分析(KPCA)和最小二乘支持向量机(LSSVM)两种方法相结合的软测量混合建模方法,通过核主元分析(KP-CA)提取数据非线性主元,并利用最小二乘支持向量机(LSSVM)建立氧化铝粉流量预测模型,预测结果表明该模型具有更好的非线性数据处理能力,运算速度快、跟踪性能好以及泛化能力强等优点,能满足氧化铝粉流量的在线测量要求.

关键词：软测量、核主元分析、最小二乘支持向量机、氧化铝粉流量

所属期刊栏目：27

分类号：TP216(自动化技术及设备)

资助基金：国家自然科学基金项目60964003

在线出版日期：2014-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：38-41,45