基于KPCA-LSSVM的软测量建模方法

• 作者: 王强 田学民
• 来源期刊: 化工学报
• 关键词: 软测量 核主成分分析(KPCA) 最小二乘支持向量机(LSSVM) 特征提取
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 过程系统工程
• 页码范围: 2813-2817
• 分类号: TP273
• 语种: 中文
• DOI: 10.3969/j.issn.0438-1157.2011.10.020

摘要

提出了一种将核主成分分析(KPCA)和最小二乘支持向量机(LSSVM)相结合的软测量建模方法.核主成分分析能够对样本数据进行特征提取,消除数据的相关性.本文利用KPCA提取主元,降低样本的维数；然后利用最小二乘支持向量机进行建模,不仅降低了模型的复杂性,而且提高了模型的泛化能力.用该方法建立柴油凝点的软测量模型,和其他4种方法比较,结果表明基于KPCA-LSSVM方法建立的软测量模型有较好的预测效果和泛化能力,是一种有效的数据建模方法.