最小二乘支持向量機(jī)算法研究及應(yīng)用.pdf

1、隨著過程工業(yè)的大型化、綜合化、復(fù)雜化，工業(yè)過程的建模難度也愈來愈大。它不僅涉及到工業(yè)對(duì)象的非線性、不確定性、大時(shí)滯、參數(shù)分布性和時(shí)變性等內(nèi)在的復(fù)雜機(jī)理問題，而且涉及到客觀環(huán)境和“人為”環(huán)境的作用問題。因而，過程建模也突破了傳統(tǒng)的機(jī)理建模和統(tǒng)計(jì)建模等框架，從較為廣闊的視野綜合運(yùn)用控制理論、信息處理、現(xiàn)代統(tǒng)計(jì)理論和優(yōu)化技術(shù)來實(shí)現(xiàn)工業(yè)過程建模。
　　 支持向量機(jī)是近十多年來發(fā)展起來的一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的核學(xué)習(xí)方法，由于其克服了

2、神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)不確定和過擬合問題，目前在分類和回歸問題中得到了廣泛應(yīng)用。最小二乘支持向量機(jī)是支持向量機(jī)的一種擴(kuò)展，它把支持向量機(jī)的不等式約束改為等式約束，從而避免了求解二次規(guī)劃問題，能夠得到模型的解析解。論文主要開展了如下研究：
　　 對(duì)工業(yè)對(duì)象非線性建模做了回顧總結(jié)，研究了機(jī)理建模、經(jīng)驗(yàn)建模和混合建模的發(fā)展現(xiàn)狀；研究了統(tǒng)計(jì)學(xué)習(xí)理論中的VC維、結(jié)構(gòu)風(fēng)險(xiǎn)最小化等基本概念，支持向量機(jī)分類和回歸問題的基本理論，以及最小二乘支持向量機(jī)

3、分類和回歸的基本算法。
　　 針對(duì)某廠異構(gòu)化裝置，用最小二乘支持向量機(jī)方法進(jìn)行了建模研究。論文介紹了對(duì)二甲苯異構(gòu)化裝置的工藝流程，分析了影響對(duì)二甲苯產(chǎn)量的各種因素，確定了模型的輸入變量和輸出變量，采集了工業(yè)現(xiàn)場(chǎng)數(shù)據(jù)，建立了最小二乘支持向量機(jī)模型并用采集到的數(shù)據(jù)做了模型測(cè)試，取得了較好的測(cè)試效果。
　　 為了在LS-SVM算法中考慮不同數(shù)據(jù)點(diǎn)的重要性，提高模型的預(yù)測(cè)精度，論文提出了用加權(quán)最小二乘支持向量機(jī)建模的方法，并給出