基于支持向量機算法的多模型建模方法研究及應(yīng)用.pdf

1、軟測量技術(shù)是解決現(xiàn)代復(fù)雜工業(yè)過程中較難甚至無法由硬件在線測量參數(shù)的實時估計問題的有效手段。支持向量機(Support Vector Machines，SVM)，由于它具有以任意精度逼近任何線性和非線性函數(shù)的能力，已被成功地應(yīng)用到石油、化工等方面的軟測量建模。但實際生產(chǎn)過程往往存在著非線性、工況范圍廣等特點，采用單一支持向量機模型往往無法滿足工藝精度要求。本文依據(jù)多模型思想，結(jié)合實際工程應(yīng)用背景，提出三種多模型建模方法:
　　 多

2、模型建模的首要前提是對建模用的數(shù)據(jù)集進行劃分，常用的劃分子系統(tǒng)的方法是采用聚類算法將數(shù)據(jù)集根據(jù)輸入空間相似性劃分為若干子集。然而，聚類算法往往要求聚類個數(shù)c事先給定，在一定程度上困擾了聚類算法的應(yīng)用。本文從系統(tǒng)輸入輸出數(shù)據(jù)出發(fā)，針對比較法和融合法中計算量大，初始聚類個數(shù)選取盲目的缺點，依據(jù)用戶滿意為最終目標的原則，提出一種簡單有效的快速滿意c確定方法，并將其應(yīng)用于系統(tǒng)多模型建模過程中。
　　 對一個對象而言，輸出數(shù)據(jù)是對象特性的

3、真實反映，對研究對象的變化有重要的意義。為實現(xiàn)依據(jù)對象的輸出數(shù)據(jù)的值區(qū)間分類，本文把貝葉斯二次判別分析算法(Quadratic Discriminant Analysis，QDA)引入到軟測量樣本集分類。首先以目標變量值的不同區(qū)間作為先驗分類的標準，把已知樣本分為若干類別，并提供分類器所需的先驗類別信息，對于未知類別的輸入數(shù)據(jù)，用QDA依據(jù)先驗類別信息判斷其所屬數(shù)據(jù)類別，進而對系統(tǒng)構(gòu)建多模型。
　　 數(shù)據(jù)信息的完備性是建立高精度

4、模型的必備條件。對于一個對象而言數(shù)據(jù)信息包括對象的輸入信息和輸出信息，單純地依據(jù)輸入信息或是輸出信息對樣本進行劃分都很難完整地描述對象的變化過程。為保持樣本數(shù)據(jù)信息的完備性，實現(xiàn)依據(jù)系統(tǒng)輸入輸出信息對樣本分類，本文提出一種基于聚類分析和貝葉斯二次判別分析(Clustering Analysisand Quadratic Discriminant Analysis，CAQDA)算法的多模型建模方法。模糊聚類算法依據(jù)樣本輸入間的相似性，把樣