基于改进PSO的鲁棒LSSVM乙烯产品浓度软测量
针对最小二乘支持向量机(LSSVM)在利用生产现场数据建模时易出现鲁棒性差的问题.提出了基于PSO的鲁棒最小二乘支持向量机建模方法,该方法利用一种改进的PSO方法确定LSSVM的惩罚参数C和核宽度σ增强了LSSVM对数据的适应性;通过给LSSVM优化问题中误差平方项赋予不同的权值,使得LSSVM在训练过程中克服了噪声的影响.最后将该方法应用于乙烯产品浓度预测,并与普通LSSVM进行了比较;仿真和实验结果表明,该算法建立的模型比普通LSSVM建立的模型具有更好的泛化能力和鲁棒性.
乙烯产品浓度、软测量、粒子群优化、鲁棒最小二乘支持向量机(RLSSVM)
23
TP181(自动化基础理论)
国家自然科学基金61203021;辽宁省科技攻关项目2011216011
2016-05-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
81-86