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。     

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.     

基于多神经网络模型的酯化反应软测量

对模糊C-均值聚类算法加以改进，将系统输入数据进行模糊划分，分成具有几个不同聚类中心的子集；继而引入到多模型建模过程中，针对每个子集建立相应的径向基函数(RBF)网络模型。而全局模型则由各个子模型的输出加权组合。最后通过对聚合釜反应器软测量建模的研究，表明该方法具有拟合精度高和泛化能力强的特点，验证了此多模型建模方法的有效性和快速性。     

神经网络多模型软测量技术及应用

基于多模型思想，采用模糊聚类的方法对软测量数据进行了分类，对每类数据基于神经网络(NN)建模，采用RBF神经网络构造了每个数据样本的隶属度，将各模型输出的数据进行隶属度加权求和得到最终的软测量输出，并对某催化重整生产装置催化剂再生器氧含量进行了建模研究，获得了满意的结果。     

基于软测量技术的Aspen Plus用户模型二次开发

Aspen Plus仿真软件能够很好地实现化工工艺流程的模拟,并能对化工工艺流程实现参数优化、灵敏度分析和经济评价等。但化工工艺流程复杂,装置模型众多,Aspen Plus中现有的模型库不可能提供所有的单元模型。基于Aspen与Matlab的数据交互功能,开发了Aspen与Matlab接口用户模型——AEM用户模型。该用户模型能够实现在Aspen界面下调用Matlab程序,建立基于软测量技术的用户模型,大大扩展了Aspen Plus的适用范围。应用本文方法,采用高斯过程回归（GPR）软测量多模型建模方法,完成了双酚A生产流程中结晶塔的用户模型开发,实现了双酚A加合物结晶过程的模拟,并应用于双酚A生产流程模拟中。     

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。     

基于模糊c均值聚类的多模型软测量建模

根据几个模型相加可提高模型的预测精度及鲁棒性的思想,提出了一种非线性软测量建模的新方法。即先用模糊ｃ均值聚类将训练集分成具有不同聚类中心的子集,每一子集用ＲＢＦ网络或部分最小二乘法进行训练得出子模型,再用模糊聚类后产生的隶属度将各子模型的输出加权求和得到最后结果,此算法通过一个复杂非线性函数的仿真建模和一个分馏塔柴油倾点软测量建模的工业实例研究,结果表明比其它算法具有更好的泛化结果和预报精度,具有     

一种基于LDA和FCM的BPA多模型软测量方法

模糊C-均值聚类(FCM)算法是数据预处理中常用的一种方法,但用这种方法进行数据聚类,各类别边界信息间往往存在干扰,模型精度不能得到很好改善。本文采用一种改进的线性判别分析(LDA)方法,用于扩大样本类别间的距离,使聚类更为精确。将FCM算法与改进的LDA算法结合提取样本特征,然后通过多模型融入到SVM算法中。通过对双酚A软测量建模的仿真研究表明该方法具有较好的效果。     

基于贝叶斯学习的关联向量机及其在软测量中的应用

介绍了一种与支持向量机(SVM)函数形式相同的稀疏概率模型--关联向量机(RVM),其训练是在贝叶斯框架下进行的,在处理具有噪声的函数回归时,RVM具有很出色的性能.与SVM相比不仅解更稀疏,而且无需调整模型参数,核函数选择也不受限制.将RVM应用于PTA装置溶剂脱水塔塔顶塔底组分软测量建模,仿真结果表明:该方法预测精度较高,具有一定的应用价值.     

基于带扰动项粒子群算法的软测量建模

针对粒子群算法用于高维数、多局部极值点的复杂函数寻优时易陷入局部最优解现象,提出一种改进的带扰动项粒子群算法并进行收敛性分析。算法中引入进化速度因子,当粒子进化速度低于一定值时在粒子速度更新方程中添加扰动项使粒子逃离局部最优区而继续搜索。对几个复杂函数的寻优测试表明:改进算法的收敛速度、收敛精度和全局搜索性能均有显著提高。将本方法用于建立丙烯腈收率神经网络软测量建模,研究结果表明模型精度较高、泛化性能好,满足现场测量要求。     

软测量技术及其在加氢裂化分馏塔中的应用

在总结现有各种软测量技术的基础上,指出统计分析方法中的部分最小二乘法和神经网络方法中的径向基函数网络,是经实际应用证明有效的方法。提出了一种将ＰＬＳ和ＲＢＦＮ结合的方法,并将ＰＬＳ,ＲＢＦＮ,ＰＬＳ－ＲＢＦＮ３种算法分别用于加氢裂化分馏塔航煤点软测量模型的建立,其泛化结果表明基于ＰＬ－ＳＲＢＦＮ算法建立的软测量模型具有更好的预测精度。     

基于荧光多猝灭响应原理的光导纤维化学传感器及其在医药领域应用的研究

对“基于荧光猝灭响应原理的光纤化学传感器及其在医药领域的应用”进行了系统的研究.从传感器工作原理、仪器结构以及应用技术等方面取得了重要的进展.选用芘丁酸等荧光试剂作为分子探针,设计和研制成3种不同结构的光纤化学传感器.提出适用于多猝灭响应FOCS的数学关系式和表现猝灭常数的概念,设计三杯法证明多猝灭响应的机理以及在线连续监测片剂和胶囊剂的体外溶出度,在位监测清醒动物的尿药和脑脊液药物浓度等课题,获得满意的结果,显示这一新技术具有实时、可逆以及稳定等优点.如果在传感器的标准化、规格化、微型化和计算机化等方面进一步完善,必将形成新型仪器和方法,可广泛应用于分析测试领域.     

基于软信息的结构化转换

随着文本信息（软信息）对多传感器信息融合的影响不断加深,如何形成一个有效的软信息结构化转换模型,给予计算机和传感器更多可融合的结构化软信息,成为了一个重要的任务。针对软信息结构化问题,即文本表示问题,首先对文本分类技术中向量空间模型的TF IDF权重进行研究;然后针对其结构化有效性方面的不足,通过引入事件全局权重和信息增益对TF IDF权重进行特征项关于文本主旨的信息及特征项在文本类间的分布信息补充、完善和实现软信息的结构化表示;最后通过实验验证了该改进方法对软信息结构化转换的可行性和有效性。     

多元分析方法在辨证论治研究中的应用现状与思考

证候是中医学认识疾病和辨证论治的主要依据,是带动中医药基础理论取得突破、促进中医药现代化的关键问题之一。证候的高维高阶特性为证候实质的研究、证候的规范化、证候诊断标准的建立等带来了困难。运用多元统计分析方法在合理整合和充分利用各种数据资源的基础上,进行科学分析、特征提取和规律探索是研究中医学临床规律的一条可行的途径。     

率或比的多重假设检验方法探讨

采用方差分析所使用的最小显著性差异技术,为大样本情况下率(比)提出一种多重假设检验方法。其思想为:首先计算所有对子的u检验统计量,然后指出其u值超出以u检验个数调整的合适显著性概率百分点者为显著性差异对。为了改善正态近似性,用自然对数尺度来构造成对u检验统计量。     

皮肤软组织扩张改进方法的临床应用

目的 :寻找一种最佳的皮肤软组织扩张新方法。方法 :实验分联合法 (将术中即时循环过量扩张与术后快速循环过量扩张相结合的扩张方法 )和常规扩张法 (按传统的常规扩张方法 )。各实验组在检测囊内压的情况下定期扩张 ,于每次扩张前观察囊内压的改变及扩张毕扩张器容量的变化 ,将联合法应用于临床 ,并与常规法比较。结果 :①两组扩张总容量间差异无显著性意义 (P >0 .0 5 )。②与常规扩张组比较 ,联合扩张组耳部、头部扩张疼痛计分明显降低 (P <0 .0 1及P <0 .0 5 )。③与常规扩张组比较 ,联合扩张组耳部、头部扩张后疼痛持续时间明显降低(P <0 .0 1及P <0 .0 5 )。临床应用联合扩张方法 4 2例和常规扩张方法 4 0例 ,证明前者明显优越于后者。结论 :联合性快速皮肤扩张法在缩短扩张时间的情况下 ,仍能安全有效的扩张 ,且对扩张皮肤结构无明显损害 ,值得在临床上推广应用     

基于CLSTM的步态分类方法

步态分类在人体运动能量消耗评估等应用中具有重要意义,提高分类精度和降低对统计特征的依赖是步态分类的研究热点。采用传统的步态分类方法提取的步态特征用于细分化步态时不能得到较好的效果。考虑到步态的连续性和不同轴之间信号的相关性,本文提出了基于CLSTM的步态分类方法：采用卷积神经网络（CNN）操作,通过计算多轴步态数据提取步态特征;基于长短期记忆（LSTM）构建步态时间序列模型,学习步态特征图时间维度上的长期依赖性。基于USC-HAD数据集的实验结果表明,用此方法提取了步态序列特征,很好地利用了步态时间序列特点,提升了11种步态的分类精度。     

基于降维的填充函数方法

提出了一个基于降维技术的填充函数方法,用以求解箱约束非线性全局优化问题。首先利用降维变换将n维问题转化为一维问题,其次对一维问题运用填充函数方法求解,证明了降维填充函数的理论性质,并给出了算法和数值实验结果。