基于ART-SVR的过程建模及在干点软测量中的应用

• 作者: 吴国庆 颜学峰
• 来源期刊: 化工学报
• 关键词: 自适应谐振神经网络 支持向量回归 建模 干点 软测量
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 过程系统工程
• 页码范围: 927-933
• 页数: 7页
• 分类号: TP183|TE622
• 语种: 中文
• DOI: 10.3321/j.issn:0438-1157.2008.04.020

摘要

针对石油化工生产过程通常呈高度非线性,且生产过程数据呈非连续、具有一定类别特性等特征,提出基于自适应谐振神经网络(adaptive resonance theory,ART)和支持向量回归(support vector regression, SVR)相结合的建模方法(ART-SVR).首先,基于建模样本,通过ART将样本模式空间分割成若干模式特性相近的子空间;然后,对各子空间分别采用SVR建立各自模型,实现基于样本模式空间分割的"分段"建模.仿真试验和在石脑油干点软测量建模的实际应用表明:ART-SVR模型的拟合精度和预测精度均优于全局SVR模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜学峰	华东理工大学自动化研究所	61	628	12.0	22.0
2	吴国庆	华东理工大学自动化研究所	3	9	2.0	3.0