支持向量機在化工過程建模中的應(yīng)用.pdf

1、化工過程的建模是研究化工過程的重要手段,也是進行過程仿真、優(yōu)化以及控制的基礎(chǔ).機理建模方法通常是通過過程機理分析,采用一定的假設(shè)和簡化,得出一系列數(shù)學(xué)方程來描述過程.但化工過程常常是機理復(fù)雜,影響因素繁多,高度非線性,很難用機理模型來描述.因此,這時需要采取經(jīng)驗建模方法.人工神經(jīng)元網(wǎng)絡(luò)是一種處理非線性問題的良好經(jīng)驗建模方法,己被應(yīng)用于不少化工問題中,但是由于其理論基于經(jīng)驗風險最小化原則,難免會出現(xiàn)過擬和、陷入局部最小等問題.基于統(tǒng)計學(xué)習

2、理論的支持向量機是一種新型的學(xué)習方法,它遵照結(jié)構(gòu)風險最小化原則,克服了以往神經(jīng)元網(wǎng)絡(luò)等方法的固有特點,大大提高了模型的泛化能力.該文詳細研究了支持向量機在化工過程建模中的應(yīng)用.該文首先介紹了有關(guān)過程建模的知識,然后評述了人工神經(jīng)元網(wǎng)絡(luò)的特點、結(jié)構(gòu)和實現(xiàn),在分析了其優(yōu)缺點的基礎(chǔ)上,引入了支持向量機方法,詳盡地介紹了其理論基礎(chǔ)、計算步驟和優(yōu)化算法.該文的研究重點在于支持向量機方法在化工過程中的應(yīng)用.用支持向量機為檸檬酸發(fā)酵過程建立了最終酸度

3、的模型,分析了模型參數(shù)對模型性能的影響,并與傳統(tǒng)的人工神經(jīng)元網(wǎng)絡(luò)方法做了比較;用支持向量機為間歇式酒精發(fā)酵過程的菌體濃度建立了狀態(tài)估計模型;結(jié)合動力學(xué)模型對機理的反映和支持向量機較強的泛化能力,提出了串連和串并聯(lián)兩種混合支持向量機模型,并與單一的支持向量機模型、單一的動力學(xué)模型和混合人工神經(jīng)元網(wǎng)絡(luò)模型進行了比較.實驗結(jié)果表明支持向量機方法是一種高效可行的發(fā)酵過程建模方法,提出的混合支持向量機模型性能優(yōu)良.該文最后對所做的工作進行了總結(jié),