基于QPSO-RVM的双酚A软测量建模

摘要：

相关向量机(RVM)预测模型在贝叶斯框架下用最大似然方法对模型权值进行训练,可以有效解决过学习的问题,有较高的模型泛化能力且具有较为稀疏的相关向量和核函数选择上不用满足Mercer条件等优点.RVM的基本思想是使用核方法将自变量从低维空间映射到高维空间,以获得因变量与自变量线性回归的稀疏解.核矩阵作为训练数据信息到回归模型的信息通道,其唯一参数即核函数宽度的选取直接影响RVM模型的回归性能.本文基于量子粒子群优化算法(QPSO)提出了RVM核函数参数值的优化方法,并使用该方法建立双酚A(BPA)生产过程中裂解回收单元的BPA含量软测量模型.实际应用结果表明优化后的RVM模型预测精度有明显的提高,表明了该方法的有效性.

关键词：软测量、相关向量机、量子粒子群、回归

所属期刊栏目：34

分类号：TP274(自动化技术及设备)

资助基金：国家自然科学基金资助项目61403166;江苏省自然科学基金资助项目BK20140164;中央高校基本科研业务费专项资金资助项目JUSRP11561,JUSRP51510

在线出版日期：2018-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：883-890