基于深度集成支持向量机的工业过程软测量方法

• 作者: 王磊 邓晓刚 马建
• 来源期刊: 化工学报
• 关键词: 支持向量机 软测量 深度置信网络 集成学习 预测
• 年，卷（期）: 2018,（3）
• 页码范围: 1121-1128
• 页数: 8页
• 分类号: TP277
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20171050

摘要

基于支持向量机(SVM)的软测量建模方法已经在工业过程控制领域得到广泛应用,然而传统支持向量机直接针对原始测量变量建立模型,未能充分挖掘数据的内在特征信息以提高预测精度.针对该问题,本文提出一种基于深度集成支持向量机(DESVM)的软测量建模方法.该方法首先利用深度置信网络(DBN)来对数据进行深层次的信息挖掘,提取出数据的内在特征,然后引入基于Bagging算法的集成学习策略,构建基于深度数据特征的集成支持向量机模型,以提升软测量预测模型的泛化能力.最后通过数值系统和真实工业数据对方法进行应用分析,结果表明本文提出的方法能够有效提升支持向量机软测量模型的预测精度,能够更好地预测过程质量指标的变化.