固定尺度最小二乘支持向量机

针对最小二乘支持向量机(LS-SVM)在进行回归预测时存在的稀疏性缺陷问题,采用固定尺度最小二乘支持向量机,即固定支持向量数量进行改进。仿真结果表明:固定尺度最小二乘支持向量机在训练各种样本数据集时,有效地避开了LS-SVM中的稀疏性问题,且训练速度快,同时具有良好的预测精度。     

基于混沌最小二乘支持向量机的软测量建模

提出一种改进算法,用来解决现有最小二乘支持向量机方法在处理大规模样本软测量建模问题时出现的模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定等问题。对样本集进行预处理,通过计算样本间欧氏距离进行样本相似程度分析,去除样本集中1/3的样本以简化支持向量机模型结构并提高计算速度。定义了一种混沌映射构成混沌系统并分析了其遍历性。应用改进的混沌优化算法优化最小二乘支持向量机模型参数以提高模型的拟合精度和泛化能力。将改进算法用于丙烯腈收率软测量建模中,仿真实验结果表明：模型精度较高,泛化性能好,满足现场测量要求。     

基于改进克隆选择算法的最小二乘支持向量机

针对最小二乘支持向量机的参数选取问题,引入了克隆选择算法,提出了一种基于改进克隆选择算法的最小二乘支持向量机。同时根据最小二乘支持向量机的学习能力和泛化能力,在克隆选择算法的目标函数中加入两者的动态调节机制,这样改进的克隆选择算法在寻优过程中能够准确、快速地搜索到最小二乘支持向量机的最优参数。将本文模型用于乙烯裂解炉裂解深度值的学习和预测,经仿真实验表明：该预测模型的训练速度快,预测精度高。     

最小二乘支持向量机的参数优化及其应用

针对最小二乘支持向量机的多参数带来的参数寻优问题,将进化算法(遗传算法和PSO算法)应用其中,通过Sinc函数的测试,成功地实现了多参数的联合优化;将这一方法应用到德士古炉温软测量建模中,采用来自工业现场的实测数据进行仿真,将两种方法的仿真结果与常用的BP神经网络进行比较,可以看出两种算法都较好地解决了最小二乘支持向量机的参数优化问题.     

基于最小二乘支持向量机的网络流量预测

为了提高网络流量预测准确性,将最小二乘支持向量机应用于网络流量预测。介绍了最小二乘支持向量机的原理与方法,并将该模型应用于实际网络流量预测计算。结果表明,该方法能有效地进行流量预测,相对于BP神经网络和ARMA模型方法,该方法具有更好的预测精度。     

基于文化差分进化算法的最小二乘支持向量机及QSAR建模

针对最小二乘支持向量机最佳算法参数难以确定的缺陷,提出了基于文化差分进化算法的最小二乘支持向量机(Cultural Differential evolution Algorithm Least Square Support Vector Machine,CDE-LSSVM)。该算法通过新型的文化差分进化算法优化确定最小二乘支持向量机核宽度参数和惩罚系数,建立具有良好预测性能的模型。同时,针对药物定量构效关系（Quantitative Structure-Activity Relationships,QSAR）模型具有高度非线性、变量之间存在相关性的特征,采用CDE-LSSVM建立HIV-1蛋白酶抑制剂的药物定量构效关系模型。模型具有很好的拟合精度与预测精度,且优于最小二乘支持向量机、BP神经网络和径向基神经网络。     

构造稀疏最小二乘支持向量机的网络入侵检测模型

从最小二乘支持向量机的稀疏表达出发,构建高效的基于稀疏最小二乘支持向量机的网络入侵检测模型,提出了一种通过基于核空间近似策略的有效低秩逼近来有效减小原始训练样本集中的支持向量数来实现最终模型的稀疏表达.以MIT KDD99数据集为基础,对所提出方法进行有效性验证,并与利用剪枝策略通过递归过程中不断减少模型中支持向量个数的稀疏化方法、基本最小二乘支持向量机以及标准支持向量机方法的性能进行对比.结果表明:基于核空间近似的最小二乘支持向量机稀疏化与标准最小二乘支持向量机相当;此外稀疏最小二乘支持向量机能够提高入侵检测响应速度.     

基于多模型模糊核聚类方法的污水处理过程软测量建模

针对污水处理过程高度非线性及强耦合性的特点,基于多个模型的组合可以提高模型精度和鲁棒性的思想,提出了一种基于 模糊核聚类的多最小二乘支持向量机的软测量建模方法。该方法根据不同工况使用模糊核聚类算法对输入数据进行聚类划分,针对 每个聚类子集用最小二乘支持向量机方法建立子模型,最终通过子模型切换策略得到系统输出。在污水处理过程仿真平台展开验证 工作,对生化需氧量BOD的软测量进行建模,获得了良好的实验结果。     

分类数据的重复测量及其在临床试验中的应用

目的介绍分类数据重复测量资料的统计分析及其在临床试验中的应用.方法采用加权最小二乘法建立边际函数模型,给出治疗中风临床试验实例,调用SAS统计软件包中CATMOD过程对重复测量分类数据资料进行统计分析.结果应用加权最小二乘法可对分类数据重复测量资料中研究因素各水平及各观察时间点的效应进行估计.结论对于重复测量的分类数据的资料,使用加权最小二乘法拟合模型,由于考虑了多次测量数据之间的相关性,因而可以充分挖掘出数据中包含的信息.     

基于最小二乘支持向量机的非线性通用模型自适应控制

将模型参考自适应控制方法应用到基于最小二乘支持向量机的通用模型控制策略中,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而克服了通用模型控制器要求过程一阶微分模型应该有显式解的局限性,保证了通用模型控制策略的可实现性。另一方面,加入模型参考自适应环节,提高了该控制器的实时性和鲁棒性,其参数具有明显的物理意义,参数整定方便。仿真实验结果验证了该控制策略的有效性和更好的鲁棒性。     

德士古渣油气化系统数学模拟

对德士古渣油气化系统进行了过程分析,建立了单元设备物料和热量衡算的数学模型,提出了计算气化炉微量组分的方法。运用序贯模块法对该系统进行了稳态模拟计算,结果同设计值和工厂值吻合较好。     

Texaco气化炉激冷室热质传递过程模拟

对Ｔｅｘａｃｏ气化炉激冷室 热质传递过程进行了分析模拟，模拟结果与工业数据吻全良好。通过模拟揭示了现行激冷环损坏的主要原因，探讨了激冷环长周期运行的基本途径，提出了激冷环改进方案。     

气流床气化炉气化过程的分区模拟

基于气流床气化炉的三区及短路混合模型,将气化炉炉内空间按流场化学反应特征划分为燃烧区、射流区二次反应区、回流区二次反应区和管流区二次反应区。对一次均相反应采用Gibbs平衡模型,二次均相反应、非均相反应采用动力学模型进行了模拟计算,得到了气化炉中各分区的温度和气体组成,并将其 结果与Gibbs平衡模型的计算结果进行了对比,吻合良好; 在气化炉适宜的操作温度范围内,采用该模型预测了最优的氧煤比和蒸汽煤比的调节范围。     

新型水煤浆气化炉内洗涤冷却管的温度分布

对新型水煤浆气化炉洗涤冷却室进行了热模实验研究,并用F luent商业软件对其中的洗涤冷却管内温度分布进行了三维数值模拟,模拟值与热模实验值吻合较好。对实验和模拟结果的分析得到,高温气体经过洗涤冷却环时就开始显著降温,在洗涤冷却环与洗涤冷却管的交接处,即冷却水的出口部位,热质传递最为激烈,导致温度急剧下降。在距洗涤冷却环下方约0.15 m处,气体温度已降至热质传递的平衡值附近。本文研究内容为新型洗涤冷却室工业放大提供了设计依据。     

基于鲁棒最小二乘支持向量机的聚丙烯熔融指数预报

可靠地预报熔融指数在聚丙烯生产过程中至关重要。在最小二乘支持向量机采用的误差平方和惩罚函数可能会导致不稳健的预报值基础上,进一步提出了基于鲁棒最小二乘支持向量机的聚丙烯熔融指数软测量模型。工业实例研究表明该方法拟合精度高、泛化能力强,具有广阔的应用前景。     

水激冷对粉煤气化过程气体组成的影响

激冷室下降管内热质传递过程强烈,水蒸气含量较高,下降管内变换反应对激冷室出口合成气组成有一定的影响。基于激冷室的数值模拟研究,建立了涉及气化室、激冷室的粉煤气化炉数学模型,利用所建气化模型研究了激冷水流量及温度对激冷室出口合成气组成的影响。结果表明,下降管内蒸发的激冷水质量占入口激冷水总质量的4.4%;气化室出口合成气经激冷室后CO体积分数降低12.5%、H₂体积分数增加5.8%,有效气体积分数降低6.7%,激冷室出口合成气组成计算结果与工业数据吻合较好;激冷水流量与温度对激冷室出口合成气组成影响差别较小。     

聚酯装置酯化反应建模与PTA浆料调制控制方案设计

针对聚酯装置中精对苯二甲酸(PTA)浆料调制问题,对浆料在酯化釜中的酯化反应过程进行机理建模与验证。通过对PTA浆料调制过程控制进行分析,设计了一种PTA浆料密度与PTA粉末和乙二醇(EG)混合液进料量为控制变量的串级比值控制系统。在此基础上,结合工艺分析,引入温度变量对PTA浆料密度与摩尔比关系式进行了修正,提高了控制精度。该设计方案对改进聚酯生产过程控制、提高聚酯产品质量具有指导意义。     

用于Logistic回归诊断的经验Pearson残差图

目前，回归诊断不仅用于一般线性模型的诊断，还被逐步推广应用于广义线性模型领域（如用于Ｌｏｇｉｓｔｉｃ回归模型），但由于一般线性模型在残差分布的假定等方面有所不同，所以推广和应用还存在许多问题。鉴于此，作提出一种新的图示方法－经验Ｐｅａｒｓｏｎ残差图，用以考察Ｌｏｇｉｓｔｉｃ模型的拟合优度及检测异常点。