基于二次判别分析的多模型建模方法

2012年02月09日16:41:59 本网站我要评论(2)字号：T | T | T

关键字：通信

杨慧中，贾淑矿
江南大学通信与控制工程学院，江苏无锡　

摘　　　要：针对单一软测量模型难以精确描述复杂非线性的化工生产过程的问题，为提高软测量模型的预测精度，基于多模型建模思想，提出一种基于二次判别分析的支持向量机多模型建模方法。首先依据样本输出空间的值区间把样本集合分为若干子集，并分别对每个子集建立基于支持向量机算法的子模型，多个子模型采用“开关切换” 方式连接。对于未知类别的输入数据，依据各子集的先验类别信息，用二次判别分析算法判断其所属类别，并以输入向量所属类别的支持向量机模型的输出作为多模型的较终输出。工业仿真实例表明，该建模方法建立的多支持向量机模型比单一支持向量机模型具有更高的预测精度。
关　键　词：多模型；二次判别分析；支持向量机；软测量

引　言
软测量技术［１］的核心是软测量建模［２３］，目前一般的非线性建模大都采用单模型结构。由于过程工艺的复杂性，用一个模型来映射全部的样本空间，不仅运算量大、预测精度低，且还可能出现数值病态问题［４］。文献［５］较早提出了多模型的思想，采用由多个子模型构成的多模型结构，用于实现主导变量的在线估计。文献［６７］采用多模型的方法对软测量建模进行了研究、得出了良好的建模效果。本文以目标变量值的不同区间作为先验分类的标准，依据先验类别信息用二次判别分析对未知类别的样本分类，并对每一类数据用支持向量机（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，ＳＶＭ）方法建立类别软测量子模型，进而构建多ＳＶＭ模型。多个ＳＶＭ子模型采用“切换开关” 方式组合。用该方法建立的双酚Ａ生产裂解重整单元中苯酚蒸发器塔底产物双酚Ａ含量软测量模型，在模型精度、泛化能力等方面均优于单一ＳＶＭ模型。

登录网站后可下载文件

基于二次判别分析的多模型建模方法

相关阅读: