搜索结果: 1-4 共查到“化学工程 最小二乘支持向量机”相关记录4条 . 查询时间(0.201 秒)
基于差分进化算法-最小二乘支持向量机的软测量建模
向量机 差分进化算法
2009/6/11
软测量技术是解决工业过程中存在的一类难以在线测量参数估计问题的有效方法，该技术的核心是建立优良的数学模型。支持向量机是基于统计学理论的一种机器学习方法，最小二乘支持向量机是一种扩展的支持向量机，相对于支持向量机具有较快求解速度。最小二乘支持向量机存在着参数选择的问题，针对这个问题，采用差分进化算法进行参数选择。提出基于差分进化算法的最小二乘支持向量机应用于软测量建模，并将其应用于对苯二甲酸中对羧基...
用于发酵过程在线建模的自适应局部最小二乘支持向量机回归方法
在线建模 发酵过程
2009/6/5
提出一种基于自适应局部学习的最小二乘支持向量机回归（LSSVR）在线建模方法。考虑样本间的距离和角度信息以获得更全面合理的相似样本集，推导了采用快速留一法在线优化模型参数的准则，并给出了发酵过程在线自适应模型选择的策略。以链激酶流加发酵过程为例，验证了所提出算法能够从过程的第2批次开始，同时对活性菌体浓度和链激酶浓度进行较准确的在线预报，较普通的局部LSSVR等建模方法具有更高的预报精度和自适应性...
局部最小二乘支持向量机回归在线建模方法及其在间歇过程的应用
局部最小二乘支持向量机回归 在线建模 间歇过程 发酵
2009/2/6
当间歇生产切换于不同的工艺条件时，由于新工况下的样本一般很少，且批次间存在着不确定性（由于原材料波动或过程动态特性波动等），基于全局学习的建模方法（如最小二乘支持向量机回归，LSSVR）建立的模型泛化性能不强。将局部学习融入LSSVR中，提出一种局部LSSVR（local LSSVR, LLSSVR）的间歇过程在线建模方法。结合前一批次离线优化后的LSSVR参数，针对待预测新样本在线选择与之相关的...