改进的FCM-LSSVM青霉素发酵过程预测建模
作者:
熊印国
关键词:
青霉素发酵过程
模糊C均值聚类
最小二乘向量机
预测
摘要：
针对青霉素发酵过程周期长,每个阶段表现出不同的特性,最小二乘支持向量机(least squares support vector machines,LSSVM)的全局模型预测精度难以保证的问题,提出了改进的基于模糊C均值聚类(fuzzy C-means clustering algorithm,FCM)和LSSVM的青霉素发酵过程分段建模方法.首先,在分析影响青霉素产物浓度相关因素的基础上选取输入变量,对样本数据采用FCM算法聚类,按照最大隶属度将样本归类为稳定过程或过渡过程;然后,分别为稳定过程的4个阶段和过渡过程的3个阶段分别建立LSSVM子模型,最后通过子模型切换策略得到系统输出.利用Pensim仿真平台数据,将提出的方法与FCM-LSSVM和LSSVM方法进行比较,平均绝对误差分别为0.0132、0.0143、0.0149,均方根误差分别为0.0178、0.0192、0.0216,实验结果表明,所提出的方法具有良好的精度和泛化能力.
上一篇： 基于LMS算法的自适应谐波检测方法研究
下一篇： 高速公路VANET中的安全信息优化研究