氧化铝蒸发浓度的自适应加权LSSVR预测
来源期刊:控制工程2012年第2期
论文作者:阳春华 聂晓凯 柴琴琴 桂卫华
文章页码:187 - 190
关键词:氧化铝蒸发过程;多输入多输出;最小二乘支持向量回归;在线预测;
摘 要:针对氧化铝蒸发过程的工业现场出口料液浓度在线检测困难、操作参数具有时变性以及传统离线预测所存在的不足等特点,提出了一种多输入多输出系统的自适应加权最小二乘支持向量回归,并用于氧化铝蒸发过程出口料液浓度的在线预测。该方法根据模型预测效果自适应在线调整建模的训练样本集,利用主元分析提取主元作为分段加权支持向量回归模型的输入,采用网格搜索和交叉验证法对多输入多输出模型参数进行优化。采用工业现场的实测数据进行实验分析,计算结果表明:该方法能够很好地在线预测氧化铝蒸发过程出口料液浓度,相比基于最小二乘支持向量回归以及基于BP神经网络的浓度预测模型,该方法具有更高的预测精度和更好的泛化性能,满足实际工业生产在线优化控制要求。
阳春华,聂晓凯,柴琴琴,桂卫华
中南大学信息科学与工程学院
摘 要:针对氧化铝蒸发过程的工业现场出口料液浓度在线检测困难、操作参数具有时变性以及传统离线预测所存在的不足等特点,提出了一种多输入多输出系统的自适应加权最小二乘支持向量回归,并用于氧化铝蒸发过程出口料液浓度的在线预测。该方法根据模型预测效果自适应在线调整建模的训练样本集,利用主元分析提取主元作为分段加权支持向量回归模型的输入,采用网格搜索和交叉验证法对多输入多输出模型参数进行优化。采用工业现场的实测数据进行实验分析,计算结果表明:该方法能够很好地在线预测氧化铝蒸发过程出口料液浓度,相比基于最小二乘支持向量回归以及基于BP神经网络的浓度预测模型,该方法具有更高的预测精度和更好的泛化性能,满足实际工业生产在线优化控制要求。
关键词:氧化铝蒸发过程;多输入多输出;最小二乘支持向量回归;在线预测;