基于RS-SVM的TN软测量建模研究

• 作者: 宋贤民 衷卫声
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 软测量 粗糙集 BP神经网络 支持向量机 TN
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 厂商在线
• 页码范围: 90-92
• 页数: 3页
• 分类号: TP273
• 字数: 2352字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2007.01.026

摘要

采用粗糙集理论(RS)约简属性,在保留重要信息的前提下消除冗余信息,简化了模型结构.而支持向量机(SVM)是一种基于统计学习理论的新型学习机,本文根据TN(总氮)难于在线测量的情况,采用RS-SVM方法,用某城市污水处理厂的实际水质参数数据,建立了出水TN基于粗糙集-支持向量机的软测量模型.和未经粗糙集预处理的支持向量机模型及粗糙集-BP神经网络(RS-BPNN)模型进行了比较,选择RS-SVM模型作为最终的软测量模型.结果表明,有粗糙集预处理后,不仅测量值的误差值更小,而且大大降低了输人数据的维数,减小了模型的规模,更有利于软测量模型的实用化.同时也表明支持向量机作为建立软测量模型的工具,具有良好的性能,比神经网络更加具有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	衷卫声	南昌大学环境科学与工程学院	42	231	8.0	13.0
2	宋贤民	南昌大学环境科学与工程学院	4	24	3.0	4.0