基于Gath-Geva算法和核极限学习机的多阶段间歇过程软测量

• 作者: 张小刚 张雷 陈华
• 来源期刊: 化工学报
• 关键词: 软测量 间歇过程 主元分析 核极限学习机 Gath-Geva 算法 遗传算法 模型
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 过程系统工程
• 页码范围: 2576-2585
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20171301

摘要

间歇过程具有较强的非线性,多阶段、慢时变及批次间存在变化,采用单一预测模型不能反映间歇过程的多阶段特性及阶段间过渡特性.提出一种基于 Gath-Geva 聚类和核极限学习机(kernel extreme learning machine, KELM)的多模型软测量方法.首先采用主成分分析(principal component analysis,PCA)对输入做特征提取,然后利用Gath-Geva算法对间歇过程进行多阶段工况划分,根据生产工况特性划分为不同的操作阶段后,分别建立局部KELM模型.对任一待预测样本,分别计算其对应各局部模型的预测值,最后采用贝叶斯集成,将其隶属于各局部模型的模糊隶属度作为权重和预测值融合得到最终预测值.以青霉素发酵数据进行实验测试,结果表明所提多模型算法相较于单一模型,具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张小刚	湖南大学电气与信息工程学院	42	577	15.0	22.0
2	陈华	湖南大学信息科学与工程学院	28	442	13.0	20.0
3	张雷	湖南大学电气与信息工程学院	4	42	3.0	4.0