基于模糊核聚类的乙烯裂解深度DE-LSSVM多模型建模

被引：16

作者：

陈贵华 ^{[1
]}

王昕 ^{[2
]}

王振雷 ^{[1
]}

钱锋 ^{[1
]}

机构：

[1] 化工过程先进控制和优化技术教育部重点实验室(华东理工大学)

[2] 上海交通大学电工与电子技术中心

来源：

化工学报 | 2012年 / 63卷 / 06期

关键词：

乙烯裂解深度; 模糊核聚类; 最小二乘支持向量机; 多模型建模;

D O I：

暂无

中图分类号：

TQ221.211 [];

学科分类号：

0817 ;

摘要：

乙烯裂解深度的建模与控制对于裂解炉的实时优化具有重要意义。针对石脑油原料组分复杂、油品特性波动大等状况,采用模糊核聚类对石脑油数据库进行最优划分,建立最小二乘支持向量机的多模型,对于最小二乘支持向量机中模型的参数选取,利用差分进化算法进行参数寻优,提高了模型的精度和泛化能力。通过对现场数据的建模实验,结果表明:基于模糊核聚类的乙烯裂解深度最小二乘支持向量机多模型跟踪性能良好,预测精度较高。

引用

收藏

页码：1790 / 1796

页数：7

相关论文

共 10 条

[1] 基于核模糊聚类的多模型LSSVM回归建模 [J].

李卫 ;

杨煜普 ;

王娜 .

控制与决策 , 2008, (05) :560-562+566

[2] 基于支持向量机和粒子群算法的软测量建模 [J].

刘瑞兰 ;

牟盛静 ;

苏宏业 ;

褚健 .

控制理论与应用, 2006, (06) :895-899+906

[3] 基于证据框架的最小二乘支持向量机在精对苯二甲酸生产中的应用 [J].

郑小霞 ;

钱锋 .

化工学报, 2006, (07) :1612-1616

[4] 子空间模型辨识方法综述 [J].

李幼凤 ;

苏宏业 ;

褚健 .

化工学报, 2006, (03) :473-479

[5] 基于最小二乘支持向量机的天然气负荷预测 [J].

刘涵 ;

刘丁 ;

郑岗 ;

梁炎明 ;

宋念龙 .

化工学报, 2004, (05) :828-832

[6] Benchmarking least squares support vector machine classifiers [J].

van Gestel, T ;

Suykens, JAK ;

Baesens, B ;

Viaene, S ;

Vanthienen, J ;

Dedene, G ;

de Moor, B ;

Vandewalle, J .

MACHINE LEARNING, 2004, 54 (01) :5-32

[7] On cluster validity index for estimation of the optimal number of fuzzy clusters [J].

Kim, DW ;

Lee, KH ;

Lee, DH .

PATTERN RECOGNITION, 2004, 37 (10) :2009-2025

[8] Asymptotic behaviors of support vector machines with Gaussian kernel [J].

Keerthi, SS ;

Lin, CJ .

NEURAL COMPUTATION, 2003, 15 (07) :1667-1689

[9] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300

[10] Differential evolution - A simple and efficient heuristic for global optimization over continuous spaces [J].

Storn, R ;

Price, K .

JOURNAL OF GLOBAL OPTIMIZATION, 1997, 11 (04) :341-359