基于变异CPSO算法的LSSVM蒸发过程软测量
在分析混沌粒子群优化算法(CPSO)和最小二乘支持向量机(SVM)理论基础上,以某氧化铝厂蒸发过程为对象,采用带有末位淘汰机制的混沌粒子群优化算法优化支持向量机的参数,建立了基于变异CPSO算法的LS-SVM的氧化铝蒸发过程软测量模型,并与PSO-LSSVM、LSSVM模型比较,研究表明,ICPSO-LSSVM模型预测准确,泛化性能好,且该模型预测结果中相对误差小于5%的样本达到92.5%,最大相对误差仅为8.1%,均方差MSE为0.05153,模型具有较高的精度,其现场实施结果表明基本可以实现出口浓度的实时在线预估.
变异混沌粒子群算法、最小二乘支持向量机、蒸发过程、软测量
29
TP273(自动化技术及设备)
国家自然科学基金60634020,60874069,60804037;国家863计划2006AA04Z181
2013-04-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
440-443,448