集成支持向量回歸及其在填料塔液泛氣速預測的研究.pdf

1、液泛氣速是填料塔正常操作的上限氣速，準確預測各種填料的液泛氣速，對于保證填料塔的平穩(wěn)運行和高效生產具有重要的現實意義和廣泛的工業(yè)應用前景。
　　本文通過對現今關于填料塔液泛氣速預測的傳統(tǒng)方法的分析，提出一種最小二乘支持向量回歸(Least Squares Support Vector Regression，LSSVR)的方法，建立LSSVR模型用于液泛氣速的預測。并且在集成學習理論的基礎上，對LSSVR模型進行改進，以提高液泛氣速

2、預測模型的精度，并進行驗證測試。主要工作和創(chuàng)新點如下:
　　(1)針對傳統(tǒng)的液泛氣速預測模型中需要的特定填料常數難以獲得，導致通用性不高的缺點，建立一種基于LSSVR的液泛氣速預測模型。相較于傳統(tǒng)液泛氣速預測模型以及神經網絡模型，LSSVR模型的通用性更高，具有更好的預測效果。
　　(2)針對實際工業(yè)生產中液泛數據的多樣性和不均衡性，單一模型對液泛氣速的預測受到一定限制的問題，提出一種基于模糊C均值(Fuzzy C-Mean

3、s，FCM)聚類的LSSVR集成建模方法，對液泛氣速進行預測。集成LSSVR模型能較好的提取液泛數據的特征信息，以提高液泛氣速的預測效果。
　　(3)鑒于FCM聚類方法中歐式距離計算的不足及模糊集合理論的優(yōu)勢，提出一種結合FCM方法的高斯混合模型(Gaussian Mixture Model，GMM)的聚類方法構造LSSVR集成模型，用于液泛氣速預測。測試結果表明，所提出的LSSVR集成模型在數據噪聲較大時，較基于FCM聚類的方法