基于改进PSO的鲁棒LSSVM乙烯产品浓度软测量
作者:
郑博元
[1] ;
苏成利
[1] ;
李平
[1] ;
梁建平
[2] ;
钟国财
[2]
关键词:
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)
摘要:
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。
上一篇:粗糙集-神经网络在民航飞机故障数据处理中的应用
下一篇:基于ESO的改进型滑模控制在转台中的应用