PSO-ε-SVM的回归算法

回归支持向量机的ε不敏感损失函数的参数寻优是一个重要的问题,它与支持向量机的行为特性有紧密关系。本文给出了一种基于粒子群优化算法的、对ε不敏感损失函数的ε参数寻优的方法,仿真结果表明:采用基于粒子群优化算法的寻优方法寻找ε参数,需要重复训练回归支持向量机模型的次数明显小于格点搜索方法,节省了大量的时间并且能找到较优的ε值。     

基于小波递归神经网络的间歇过程迭代学习优化控制

针对间歇过程提出了基于小波神经网络的迭代学习优化控制算法,实现产品终点质量指标的控制。小波递归神经网络用于建立提供长期预测的间歇过程模型。由于模型误差以及未知干扰的影响,基于预测模型得到的控制变量在实际应用中得不到期望的终点质量指标。利用间歇过程的重复特性,采用迭代学习优化控制改善批次间的产品质量,根据以前批次的模型预测误差均值来修正神经网络模型预测输出,继而计算出下一个批次的控制输入。随着批次的进行,模型误差逐渐消失,控制输入达到最优控制。仿真实验结果验证了该算法的有效性。     

基于改进果蝇算法优化的SVM风电功率短期预测

由于风力发电功率预测的准确性直接关系到电网的供需平衡,直接影响着并网系统的运营成本,因此风电功率预测的准确性非常重要。对于预测精度不高的问题,提出了一种改进的果蝇算法优化的支持向量机的预测方法。由于支持向量机的惩罚因子和核函数参数选择对预测精度有很大影响,因而利用改进的果蝇算法对支持向量机参数进行优化,用优化好的参数进行建模训练,然后把建好的模型应用于功率预测,最后对数据进行评估。预测结果表明:改进的果蝇算法优化的支持向量机对风力发电功率预测有更好的准确性。     

基于CBR和SVR的生化需氧量预测模型

针对污水处理过程生化需氧量（BOD）浓度难以实时监测的问题,建立了一种基于支持向量回归机（SVR）修正方法的案例推理（CBR）预测模型。该模型主要包括案例检索、案例重用、SVR修正、案例存储等4个部分,其中,SVR修正模型是利用历史数据构造修正案例库,并采用SVR训练而获得的,可以对传统CBR求解模型得到的BOD浓度建议值进行修正。实验表明本文模型的拟合误差优于支持向量机（SVM）、BP神经网络、RBF神经网络以及传统CBR方法,说明SVR修正方法的引入可以改善CBR的回归性能,提高CBR的学习能力。     

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。     

基于多层递归模糊神经网络的间歇过程批次间优化控制

针对间歇过程,基于多层递归模糊神经网络和混沌搜索实现了终点产品质量的批次间迭代控制策略,并在此基础上提出了间歇过程温度控制的批次间迭代控制策略。多层递归模糊神经网络被用于间歇过程对象建模,混沌搜索用于过程建模和优化计算。由于存在模型误差和未知干扰,基于模型所计算出来的最优控制输入在实际运用到对象上后并不是最优的。利用间歇过程的重复特性,根据以前批次的模型预测误差来修正模型预测,并据此计算下一批次的最优控制输入。随着批次的进行,跟踪误差逐渐减小。仿真实验验证了该方法的有效性。     

基于微粒群优化算法和支持向量机的软测量建模

在分析基本微粒群优化算法(PSO)和支持向量机(SVM)原理的基础上,采用带有末位淘汰机制的微粒群优化算法优化支持向量机的参数,建立了延迟焦化装置粗汽油干点软测量的微粒群支持向量机模型.该方法利用支持向量机结构风险最小化原则和PSO算法快速全局优化的特点,用于软测量建模.仿真实验表明:所建模型的泛化性能较好,模型具有较高的精度.     

支持向量机模型和Logistic回归模型在肝硬化食管静脉曲张中的预测价值

目的:比较支持向量机模型和Logistic回归模型在肝硬化食管静脉曲张中的预测价值。方法:收集在郑州大学第五附属医院住院治疗的肝硬化患者305例,以电子胃镜检查结果作为“金标准”,将食管静脉曲张分为无或轻度曲张150例,中重度曲张155例,构建支持向量机、Logistic回归模型进行肝硬化食管静脉曲张风险预测。结果:构建的支持向量机模型和Logistic回归模型的预测正确率分别为86.8%和83.5%,二者的AUC、敏感度、特异度、阳性预测值、阴性预测值分别为0.931、0.896,84.8%、82.6%,88.9%、84.4%,88.6%、84.4%,85.1%、82.6%。支持向量机输出预测变量重要性居前4位的依次为肝硬度值、门静脉直径、血红蛋白、血小板计数/脾脏厚度,与Logistic回归模型一致。结论:支持向量机构建的肝硬化食管静脉曲张预测模型有较好的应用价值,较传统的Logistic回归模型表现更佳。     

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.     

支持向量机算法预测腹部术后病人死亡风险模型的建立及验证

目的 通过支持向量机算法,建立预测腹部手术病人术后28 d的死亡风险模型。 方法收集2015年7月至2017年6月期间行腹部手术的病人的术前一般情况、术前访视情况、实验室检查等指标,基于支持向量机算法建立并验证预测腹部术后的死亡风险模型,并与传统logistic回归模型比较,评价支持向量机模型的工作性能。 结果共纳入手术病人1 512例,其中男911例(60.25%%),女601例(39.75%)。训练集和测试集中,死亡组的死亡预测概率高于存活组(P < 0.01)。训练集中,支持向量机模型的ROC曲线下面积高于logistic回归模型,但差异无统计学意义(0.97 vs 0.95, P>0.05)。验证集中,支持向量机的ROC曲线下面积高于logistic回归模型(0.98 vs 0.91, P < 0.05)。支持向量机模型的敏感性(训练集68.57% vs 62.86%,验证集79.78% vs 77.78%)和阳性预测值(训练集80.00% vs 65.75%,验证集83.33% vs 77.13%)优于传统logistic回归模型。 结论支持向量机模型能够准确预测腹部手术病人28 d死亡风险,其工作性能强于传统的logistic回归模型。     

基于MWMKPCA和CPI的间歇过程控制性能监测与评估

针对限定控制器结构下的间歇过程控制系统性能监测与评估的问题,采用引力搜索算法优化控制器参数,在最优控制参数的基础上得到控制性能较优的输出误差数据集;通过采用多种多元统计过程控制（MSPC）方法对数据集进行主元建模,用得到的主元模型对新的间歇过程批次进行在线监测,并提出一种基于控制图的综合控制性能指标（CPI）。仿真结果验证了采用移动窗口核主元分析法（MWMKPCA）在监测间歇过程控制性能时的准确性,同时验证了所提出的综合控制性能指标的有效性。     

SPIO-PLL-pshRNA分子探针转染卵巢癌SKOV3细胞及MR成像研究

针对间歇过程的多阶段问题,提出了一种新的划分阶段策略,可以将多阶段的数据进行准确的聚类,得到精确的阶段数目,避免陷入局部最优,提高了建模精度和故障检测准确度。首先采用不同展开方法相结合的方式对三维的间歇过程数据进行处理,消除了数据预估问题;其次结合图划分准则利用谱聚类方法将处理后的数据进行准确的阶段划分,并运用PCA建模方法分别对每一类进行建模;最后通过合适的模型对数据进行在线监控。通过青霉素仿真过程验证了本文方法的有效性。     

大型聚丙烯工业装置的先进控制

针对H im ont Spheripo l工艺的大型聚丙烯工业装置实时控制的复杂性,提出了一种基于质量指标推断控制的先进控制解决方案。该方案已成功应用于某炼油厂的聚丙烯工业装置,长周期的运行结果证实了该方案可以减少产品质量波动,提高产率并减轻操作人员的工作强度,取得了显著的经济效益。     

一种烧结终点模糊滑模控制策略及其在烧结过程中的应用

烧结过程具有强非线性、时滞和时变等特性。在分析烧结过程热状态的基础上,提出了一种烧结终点的模糊滑模控制策略,将模糊逻辑和滑模控制方法结合起来,并将其应用在某烧结厂烧结机的台车速度控制中。这种控制方法能在线调整参数,对烧结过程中大惯性、大滞后对象进行有效控制,在对象参数变化或存在较大扰动的情况下,能保持较好的控制品质。结果表明:这种方法稳定了烧结生产,为实现烧结过程的智能优化控制奠定了基础。     

污水处理过程的多变量预测控制

提出了一种针对活性污泥法污水处理系统的多变量预测控制策略,并将该策略应用到污水处理的脱氮上,对污水中氨氮与硝酸氮浓度实施多变量预测控制。通过对国际水质协会活性污泥1号模型(A SM 1)的闭环计算机仿真表明,应用该算法可实现对污水中氮含量浓度的有效控制,减小系统输出的波动,稳定最终输出。     

预测函数控制在确定性网络控制系统中的应用

针对网络控制系统具有不确定时滞的特性,通过在节点中设置缓冲区的方法将随机时滞转化为确定性时滞,从而将网络控制系统从随机系统转化为确定性时滞系统;针对这类时滞系统利用预测函数控制算法设计了控制器,以实现基于模型匹配和多步预测的思想来改善控制性能。通过仿真和基于DCS的模拟系统实验,结果均表明了该方法的正确性和有效性。     

固定床反应器基于改进混合模型的串级推断控制

提出了非绝热式固定床反应器基于改进混合模型的串级非线性推断控制策略。道德提出了邻二甲苯氧化非绝热式固定床反应器基于改进混合模型的推断估计器;然后设计了基于新型非线性自适应控制算法的副控制器和基于程序变增益ＰＩＤ的主控制器,同时设计了新型非线性滤波器以解决该反应器主回路比副回路响应快的问题;最后建立了该固定床反应器基于改进混合模型的串级非线性推断控制系统。仿真结果表明该推断估计器具有良好的静态、动态     

最优公共交货期单机提前/拖后调度和对应的批次送货

本文考虑了一个包含工件生产和工件送货的单机调度问题。目标是寻找所有工件的公共交货期和每个工件的送货时间使得工件所受到惩罚(提前／拖后惩罚，送货费用等)的值最小。完成的工件按照批次进行送货，所有在公共交货期前完工的工件在最优交货期时间一起交付，对批次送货没有量的约束。本文确定了最优公共交货期，并给出了相应的排序。     

基于双层不变集的多智能体系统事件触发分布式预测控制

针对含有扰动的多智能体系统,提出了基于双层不变集的事件触发鲁棒分布式预测控制策略。在分布式控制结构下,对每个智能体构建了目标函数含有耦合关联项的事件触发分布式预测控制优化问题。利用输入状态稳定性理论,推导出与子系统自身信息以及邻域子系统信息相关的事件触发条件。每个智能体判断事件触发条件,仅当条件满足时,才进行分布式预测控制优化问题的求解以及子系统之间的信息交互。利用双层不变集来保证扰动作用下多智能体系统的鲁棒性能,并在此基础上给出保证算法递推可行性和闭环稳定性的充分条件。最后通过车辆控制系统对算法进行仿真分析,验证了算法的有效性。