李　煒，章　寅，趙小強(qiáng)
蘭州理工大學(xué)電氣工程與信息工程學(xué)院，甘肅省工業(yè)過程先進(jìn)控制重點(diǎn)實(shí)驗(yàn)室，甘肅蘭州

摘　　　要：針對較小二乘支持向量機(jī)存在的稀疏性欠缺和單核函數(shù)局限性問題，本文提出一種基于混合核函數(shù)稀疏較小二乘支持向量機(jī)的軟測量建模方法。該方法使用多項(xiàng)式核函數(shù)和ＲＢＦ核函數(shù)線性加權(quán)構(gòu)成混合核函數(shù)，兼顧較小二乘支持向量機(jī)的全局?jǐn)M合能力與局部擬合能力，以矢量基學(xué)習(xí)作為稀疏解算法，改善較小二乘支持向量機(jī)的稀疏性，在精簡模型結(jié)構(gòu)的同時，避免冗余信息中的噪聲過多的擬合到模型參數(shù)中，進(jìn)而采用粒子群算法優(yōu)化模型部分參數(shù)。將此方法分別應(yīng)用于Ｍａｃｋｅｙ�玻牵欤幔螅螅蠡煦缒Ｐ偷臅r間序列預(yù)測和乙烯精餾塔塔釜乙烯濃度預(yù)測，應(yīng)用結(jié)果表明該方法較較小二乘支持向量機(jī)、稀疏較小二乘支持向量機(jī)以及混合核較小二乘支持向量機(jī)具有更好的泛化效果和預(yù)報精度，兆示出其良好的應(yīng)用潛力。

關(guān)　鍵　詞：軟測量；較小二乘支持向量機(jī)；稀疏性；矢量基；混合核

１　引　言
軟測量技術(shù)是解決化工過程中普遍存在的一類難以在線測量變量估計(jì)問題的有效方法。它克服了人工分析及使用在線分析儀表的諸多不足，是實(shí)現(xiàn)在線質(zhì)量控制、先進(jìn)控制和優(yōu)化控制的基礎(chǔ)［１�玻玻荨＃保梗梗的辏�Ｃｏｒｔｅｓ和Ｖａｐｎｉｋ提出的支持向量機(jī)［３］（ＳＶＭ）是一種建立在結(jié)構(gòu)風(fēng)險較小化原則基礎(chǔ)上的建模方法，不存在神經(jīng)網(wǎng)絡(luò)等方法的局部極小化問題，能夠解決非線性、高維數(shù)、小樣本等實(shí)際問題。但是當(dāng)訓(xùn)練樣本增多時，由于其約束過多，將導(dǎo)致訓(xùn)練時間和內(nèi)存需求大大增加，為提高ＳＶＭ的訓(xùn)練效率，Ｓｕｙｋｅｎｓ提出了較小二乘支持向量機(jī)（ＬＳ�玻樱郑停�，采用等式約束代替ＳＶＭ的不等式約束，計(jì)算復(fù)雜度降低，求解過程大大加快［４］。但是ＬＳ�玻樱郑驮诳朔�ＳＶＭ的不足（計(jì)算復(fù)雜）的同時，產(chǎn)生了新的缺陷，如丟失了ＳＶＭ的稀疏性和魯棒性［５］。同時無論是ＳＶＭ還是ＬＳ�玻樱郑瓦�存在著單核函數(shù)的局限性，而其預(yù)測精度又過于依賴對核函數(shù)及其參數(shù)的選擇的問題。本文針對上述問題，提出一種基于混合核函數(shù)稀疏ＬＳ�玻樱郑偷能洔y量建模方法，并將該方法分別應(yīng)用于Ｍａｃｋｅｙ�玻牵欤幔螅螅蠡煦缒Ｐ偷臅r間序列預(yù)測和乙烯精餾塔塔釜乙烯濃度預(yù)測，其結(jié)果驗(yàn)證了本文所提出的算法具有較好的泛化能力和預(yù)報精度。

登錄網(wǎng)站后可下載文件