基于粗差判别的参数优化自适应加权最小二乘支持向量机在PX氧化过程参数估计中的应用

陶莉莉; 钟伟民; 罗娜; 钱锋

doi:10.3969/j.issn.0438-1157.2012.12.029

您当前的位置：

首页 >

文章列表页 >

基于粗差判别的参数优化自适应加权最小二乘支持向量机在PX氧化过程参数估计中的应用

过程系统工程 | 更新时间：2025-12-10

- 基于粗差判别的参数优化自适应加权最小二乘支持向量机在PX氧化过程参数估计中的应用
- Adaptive weighted least square support vector machine regression with gross error detection and its application to estimate kinetic parameters for industrial oxidation of p-xylene
- 化工学报 2012年第12期页码：3943-3950
- 作者机构：
  
  1. 华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海,200237
  2. 华东理工大学自动化系,上海,200237
- 作者简介：
  
  陶莉莉(1983-),女,博士研究生.
- 基金信息：
- DOI：10.3969/j.issn.0438-1157.2012.12.029
  中图分类号： P181
- 网络首发：2012-08-29，
  
  纸质出版：2012-08-29
- 稿件说明：
移动端阅览
陶莉莉, 钟伟民, 罗娜, 等. 基于粗差判别的参数优化自适应加权最小二乘支持向量机在PX氧化过程参数估计中的应用[J]. 化工学报, 2012,(12):3943-3950.

TAO Lili, ZHONG Weimin, LUO Na, et al. Adaptive weighted least square support vector machine regression with gross error detection and its application to estimate kinetic parameters for industrial oxidation of p-xylene[J]. CIESC Journal, 2012, (12): 3943-3950.
陶莉莉, 钟伟民, 罗娜, 等. 基于粗差判别的参数优化自适应加权最小二乘支持向量机在PX氧化过程参数估计中的应用[J]. 化工学报, 2012,(12):3943-3950. DOI： 10.3969/j.issn.0438-1157.2012.12.029.

TAO Lili, ZHONG Weimin, LUO Na, et al. Adaptive weighted least square support vector machine regression with gross error detection and its application to estimate kinetic parameters for industrial oxidation of p-xylene[J]. CIESC Journal, 2012, (12): 3943-3950. DOI： 10.3969/j.issn.0438-1157.2012.12.029.

摘要

针对软测量建模过程中数据可能存在粗大误差以及粗差数据对模型的性能产生的影响

提出了一种基于粗差判别的自适应加权最小二乘支持向量机回归方法(WLS-SVM)。该方法首先根据3δ法则检测出样本中的显著误差并加以剔除

然后根据样本误差的大小自适应地调整权值

使得非显著误差对模型性能的影响大大降低。另外

由于最小二乘支持向量机的正则化参数和核宽度参数对模型的拟合精度和泛化能力有较大的影响

一般依靠经验和试算的方法进行估计

耗时且不准确

本文将模型的参数作为进化算法的优化问题

应用自适应免疫算法(AIGA)对参数进行优化选择。仿真实验表明

该方法对非线性系统的建模具有很好的效果。同时

将该方法应用于工业PX氧化建模过程中动力学参数的估计中

结果表明

基于粗差判别的参数优化自适应最小二乘支持向量机预测精度高

取得了较好的效果。

Abstract

The presence of gross errors can corrupt a model’s performance

giving undesirable results.A novel weighted least square support vector machine regression(WLS-SVM)is proposed

which combines gross error detection and adaptive weight value for the training sample.First

the 3δ principle is applied to detect the gross error.Second

the initial weight is obtained according to the fitting error of each sample.Then

an adaptive immune algorithm(AIGA)is applied to obtain the optimal parameters of the WLS-SVM.To illustrate the performance of the WLS-SVM

simulation experiment is designed to produce the training sample.The results showed that the predicting performance of AIGA-WLS-SVM is the best. Furthermore

the AIGA-WLS-SVM method was applied to estimate the rate constants of an industrial p-xylene oxidation model

and the satisfactory result was obtained.

关键词

Keywords

references

浏览量

310

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

Ca（OH）2/CaO间接反应器储释热循环性能优化

煤化工废盐中杂质对NaCl和Na2SO4溶剂化影响研究

钙循环热化学储能载能体放热特性研究

带有突扩比的新型流道结构对海水激活电池性能的影响

微波强化焦化废盐中有机物脱除性能研究