基于支持向量機(jī)軟測(cè)量技術(shù)的研究和應(yīng)用.pdf

1、浙江工業(yè)大學(xué)碩士學(xué)位論文基于支持向量機(jī)軟測(cè)量技術(shù)的研究和應(yīng)用姓名：唐飛申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：化學(xué)工程指導(dǎo)教師：潘海天20070427克服了神經(jīng)網(wǎng)絡(luò)訓(xùn)練陷于局部極值的問(wèn)題；小樣本學(xué)習(xí)使支持向量機(jī)具有很強(qiáng)的泛化及推廣能力，不必過(guò)分依賴樣本的數(shù)量和質(zhì)量；支持向量機(jī)有別于神經(jīng)網(wǎng)絡(luò)還在于它不需要人為設(shè)計(jì)模型結(jié)構(gòu)，避免了建模過(guò)程中人為因素的影響。通過(guò)仿真實(shí)驗(yàn)，表明了支持向量機(jī)在回歸問(wèn)題上比神經(jīng)網(wǎng)絡(luò)具有更好的預(yù)測(cè)性能。到目前為止，支持向量機(jī)的參數(shù)主

2、要還是依靠經(jīng)驗(yàn)選擇，并沒(méi)有堅(jiān)實(shí)的理論支持，因此提出了遺傳算法進(jìn)行參數(shù)選擇。針對(duì)造紙工藝過(guò)程的復(fù)雜性，提出最4乘支持向量機(jī)，由于最／1乘支持向量機(jī)失去了稀疏性，因此提出一種改進(jìn)的最小二乘支持向量機(jī)回歸方法，簡(jiǎn)化了模型復(fù)雜程度。本文采用改進(jìn)的最小二乘支持向量機(jī)建立白水濃度軟測(cè)量模型，研究影響白水濃度的因素，深入分析主要影響因素，選擇實(shí)際生產(chǎn)可采集數(shù)據(jù)的主要因素，根據(jù)采集到主要因素的數(shù)據(jù)(紙漿流量、紙漿濃度和上網(wǎng)濃度)與白水濃度建立對(duì)應(yīng)關(guān)系，