基于二次判別分析的多模型建模方法

2012年02月09日16:41:59 本網(wǎng)站我要評(píng)論(2)字號(hào)：T | T | T

關(guān)鍵字：通信

楊慧中，賈淑礦
江南大學(xué)通信與控制工程學(xué)院，江蘇無錫　

摘　　　要：針對(duì)單一軟測(cè)量模型難以精確描述復(fù)雜非線性的化工生產(chǎn)過程的問題，為提高軟測(cè)量模型的預(yù)測(cè)精度，基于多模型建模思想，提出一種基于二次判別分析的支持向量機(jī)多模型建模方法。首先依據(jù)樣本輸出空間的值區(qū)間把樣本集合分為若干子集，并分別對(duì)每個(gè)子集建立基于支持向量機(jī)算法的子模型，多個(gè)子模型采用“開關(guān)切換” 方式連接。對(duì)于未知類別的輸入數(shù)據(jù)，依據(jù)各子集的先驗(yàn)類別信息，用二次判別分析算法判斷其所屬類別，并以輸入向量所屬類別的支持向量機(jī)模型的輸出作為多模型的較終輸出。工業(yè)仿真實(shí)例表明，該建模方法建立的多支持向量機(jī)模型比單一支持向量機(jī)模型具有更高的預(yù)測(cè)精度。
關(guān)　鍵　詞：多模型；二次判別分析；支持向量機(jī)；軟測(cè)量

引　言
軟測(cè)量技術(shù)［１］的核心是軟測(cè)量建模［２３］，目前一般的非線性建模大都采用單模型結(jié)構(gòu)。由于過程工藝的復(fù)雜性，用一個(gè)模型來映射全部的樣本空間，不僅運(yùn)算量大、預(yù)測(cè)精度低，且還可能出現(xiàn)數(shù)值病態(tài)問題［４］。文獻(xiàn)［５］較早提出了多模型的思想，采用由多個(gè)子模型構(gòu)成的多模型結(jié)構(gòu)，用于實(shí)現(xiàn)主導(dǎo)變量的在線估計(jì)。文獻(xiàn)［６７］采用多模型的方法對(duì)軟測(cè)量建模進(jìn)行了研究、得出了良好的建模效果。本文以目標(biāo)變量值的不同區(qū)間作為先驗(yàn)分類的標(biāo)準(zhǔn)，依據(jù)先驗(yàn)類別信息用二次判別分析對(duì)未知類別的樣本分類，并對(duì)每一類數(shù)據(jù)用支持向量機(jī)（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，ＳＶＭ）方法建立類別軟測(cè)量子模型，進(jìn)而構(gòu)建多ＳＶＭ模型。多個(gè)ＳＶＭ子模型采用“切換開關(guān)” 方式組合。用該方法建立的雙酚Ａ生產(chǎn)裂解重整單元中苯酚蒸發(fā)器塔底產(chǎn)物雙酚Ａ含量軟測(cè)量模型，在模型精度、泛化能力等方面均優(yōu)于單一ＳＶＭ模型。

登錄網(wǎng)站后可下載文件