基于主成分分析-改进的极限学习机方法的精对苯二甲酸醋酸含量软测量

• 作者: 朱群雄 王晓 贺彦林
• 来源期刊: 控制理论与应用
• 关键词: 极限学习机 主成分分析 精对苯二甲酸 软测量
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 80-85
• 页数: 6页
• 分类号: TP273
• 语种: 中文
• DOI: 10.7641/CTA.2015.40398

摘要

目前,化工生产过程日益复杂,生产操作变量越来越多,由于客观条件的限制,有些重要的过程参数无法通过直接测量的手段精确测得.通过软测量可实现复杂化工生产过程重要参数的精确测量,进而指导化工企业的生产,提高化工生产的产出效率,是解决问题的一个有效的方法.针对复杂化工过程软测量建模中存在的问题,本文提出了一种改进的极限学习机模型(improved extreme learning machine,IELM).一方面将主成分分析(principalcomponent analysis,PCA)方法应用到极限学习机(ELM)里,通过PCA对模型输入变量进行主成分分析,不仅去除了变量间的线性相关关系,而且对高数据进行降维处理,最终降低了极限学习机的输入复杂性;另一方面利用相关系数判断输入主元数据与输出数据间的相关关系,从而得到正相关输入和负相关输入,依据这两类数据构造ELM模型,使得每类输入数据对网络的输出有同样的作用,进一步提高极限学习机的泛化能力.最后建立了PCA-IELM模型,首先用标准数据库的Triazines数据集验证该模型有效性,随后得出了基于PCA-IELM方法的精对苯二甲酸(purified terephthalic acid,PTA)溶剂脱水塔塔顶醋酸含量软测量模型,仿真结果表明PCA-IELM模型处理高维数据时较传统的ELM算法具有稳定性好,建模精度高等特点,为神经网络在复杂化工应用领域提供新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱群雄	北京化工大学信息科学与技术学院	151	1425	19.0	26.0
2	贺彦林	北京化工大学信息科学与技术学院	11	110	5.0	10.0
3	王晓	北京化工大学信息科学与技术学院	8	51	2.0	7.0