基于支持向量机的甲醛浓度软测量

基于支持向量机的甲醛浓度软测量

论文摘要

在实际工业生产过程中,存在许多无法在线测量的重要过程变量,例如甲醛生产过程中最终产物甲醛浓度的测量,生物发酵过程中1,3-丙二醇的浓度的测量等。为了解决此类问题,软测量技术应运而生。软测量是通过对可测变量的检测、变换和计算,间接得到待测变量的估计值。具有单个隐层以上的前馈网络可以任意精度逼近非线性函数,因此有许多学者应用神经网络来进行软测量。但是神经网络技术存在一些缺陷,首先是网络结构难以确定,其次是神经网络容易陷入局部最小点。由Vapnik提出的支持向量机是一种基于结构风险最小化的学习技术,它具有更严格的理论和数学基础,不存在局部最小点问题,不过分依赖样本的质量和数量等优点,因此适于对复杂工业过程变量的软测量。甲醛用途十分广泛,涉及合成树脂、塑料、橡胶、造纸、制药和防腐等领域。目前,甲醛生产过程中甲醛浓度是采用人工滴定的方式测得的,这就不可避免人与甲醛的直接接触。因为甲醛有剧毒,会对人体造成很大的伤害。针对这一重要问题,本文建立了基于支持向量机的甲醛浓度软测量模型,并针对支持向量机在实际应用中的关键技术,提出了一种基于二次规划的参数选取方法,通过仿真实验证实了该方法的有效性。论文首先阐述了软测量的工程背景、软测量技术及工程实现方法,阐述了软测量的建模方法和发展状况。其次,论文在对统计学习理论和支持向量机相关理论介绍的基础上,针对甲醛浓度的软测量问题,利用支持向量机v-SVR技术建立了甲醛浓度的软测量模型。第三,为确定模型中的待定参数,并保证软测量的精度,本文利用二次规划技术提出了一种新的参数选取方法,对交叉验证法和网格法选取参数进行了改进,论文中给出了详细的参数选取算法流程图,且简单易于实现。最后,本文给出了甲醛浓度软测量的具体实现步骤,利用仿真实验验证了基于支持向量机的软测量模型比以往常用建模方法如RBF神经网络建立的模型具有更好的推广能力,同时也验证了本文提出的参数选取方法比以往常用的参数选取方法更具有效性。

论文目录

  • 摘要
  • Abstract
  • 引言
  • 1 研究背景及软测量技术概述
  • 1.1 工程背景
  • 1.2 甲醛生产过程概述
  • 1.3 软测量技术及建模方法研究现状
  • 1.3.1 基于传统方法的软测量模型
  • 1.3.2 基于回归分析的软测量模型
  • 1.3.3 基于智能方法的软测量模型
  • 1.4 软测量工程实现
  • 1.4.1 数据的预处理
  • 1.4.2 辅助变量的选择
  • 1.4.3 软测量模型的建立
  • 1.4.4 软测量模型的校正
  • 1.5 本文的主要工作
  • 2 统计学习理论
  • 2.1 统计学习理论中的一些基本概念
  • 2.2 统计学习理论的发展历史
  • 2.3 统计学习理论的基本内容
  • 2.3.1 机器学习的基本问题
  • 2.3.2 统计学习理论的核心内容
  • 3 支持向量机概述
  • 3.1 支持向量分类机
  • 3.2 支持向量回归机
  • 3.2.1 ε-SVR算法思想
  • 3.2.2 υ-SVR的引入
  • 3.2.3 LS-SVR算法简介
  • 3.3 支持向量机的应用研究
  • 3.3.1 支持向量机在建模中的应用研究现状
  • 3.3.2 支持向量机在软侧量中的应用研究现状
  • 3.4 支持向量机在实际应用中的关键技术
  • 3.4.1 核函数的本质
  • 3.4.2 核函数的类型
  • 3.4.3 参数选取的常用方法
  • 4 基于二次规划的参数选取方法
  • 4.1 数据预处理及辅助变量的选择
  • 4.1.1 主元分析原理
  • 4.1.2 辅助变量的选择
  • 4.2 基于υ-SVR的甲醛生产过程模型的建立
  • 4.3 基于二次规划的参数选取方法的实现步骤
  • 5 甲醛浓度软测量的具体实现及仿真实验
  • 5.1 基于RBF神经网络的甲醛浓度软测量
  • 5.1.1 RBF神经网络理论
  • 5.1.2 RBF神经网络软测量建模
  • 5.2 基于υ-SVR的甲醛浓度软测量
  • 5.2.1 网格搜索法的υ-SVR模型软测量
  • 5.2.2 基于二次规划的υ-SVR模型软测量
  • 5.3 三种建模方法的比较
  • 5.4 基于二次规划参数选取法的υ-SVR模型校正
  • 结论
  • 参考文献
  • 附录A 部分甲醛生产设备及材质
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 相关论文文献

    • [1].赣州市装修住房甲醛浓度测量结果分析[J]. 赣南医学院学报 2017(03)
    • [2].板式家具甲醛浓度散发实测[J]. 环境化学 2017(05)
    • [3]."健康果”一秒查甲醛浓度[J]. 传感器世界 2016(08)
    • [4].兰州市不同时期装修的居室甲醛浓度调查[J]. 医学动物防制 2010(12)
    • [5].正常老年人与阿尔茨海默病患者尿甲醛浓度的研究[J]. 中华老年心脑血管病杂志 2010(08)
    • [6].室内空气中甲醛浓度检测方法的比较研究[J]. 环境与发展 2019(03)
    • [7].天津市家具卖场空气中甲醛浓度水平分析[J]. 天津科技 2012(01)
    • [8].采用微型方法对室内空气中甲醛浓度的测定的探讨[J]. 化工管理 2018(20)
    • [9].室内空气中甲醛浓度的测定[J]. 广东微量元素科学 2014(09)
    • [10].陕西省甲醛柱浓度时空变化及影响因子分析[J]. 中国环境科学 2020(07)
    • [11].基于光谱法的甲醛浓度检测系统设计与实现[J]. 湖南理工学院学报(自然科学版) 2011(01)
    • [12].成都市武侯区2008年公共场所室内空气甲醛浓度检测结果分析[J]. 现代预防医学 2009(14)
    • [13].车内污染源对车内环境影响的数值模拟研究[J]. 铁道勘测与设计 2016(04)
    • [14].中科院苏州医工所研发“电子钟” 一秒测出甲醛浓度[J]. 中国工人 2016(11)
    • [15].甲醛浓度智能检测仪的设计[J]. 陇东学院学报 2016(01)
    • [16].室内空气中甲醛浓度测定不确定度初探[J]. 化工管理 2015(18)
    • [17].装修后居室空气中甲醛浓度变化的监测分析[J]. 公共卫生与预防医学 2009(02)
    • [18].甲醛浓度的激光拉曼光谱检测研究[J]. 光散射学报 2008(04)
    • [19].新乡市新装修住房室内空气中甲醛浓度的调查[J]. 职业与健康 2014(16)
    • [20].便携式甲醛浓度检测仪设计[J]. 自动化与仪表 2019(10)
    • [21].室内装修后甲醛浓度的预测[J]. 江汉石油科技 2008(01)
    • [22].碘量法测定纺织品甲醛浓度的不确定度评定[J]. 纺织科技进展 2015(05)
    • [23].新装修居室内甲醛浓度及人造板使用量对甲醛浓度的影响[J]. 辽宁建材 2009(10)
    • [24].基于Lab VIEW的甲醛浓度监测系统设计[J]. 传感器与微系统 2020(05)
    • [25].2种室内空气甲醛检测方法的分析研究[J]. 农业灾害研究 2018(03)
    • [26].热试期间核岛厂房甲醛浓度降低的良好实践与创新[J]. 当代化工研究 2018(01)
    • [27].海口市装修居室内空气中甲醛浓度调查[J]. 中国热带医学 2016(02)
    • [28].卧室甲醛浓度分布特征及控制措施研究[J]. 陇东学院学报 2020(05)
    • [29].室内甲醛浓度与入住时间关系的探讨[J]. 实用预防医学 2010(08)
    • [30].安庆市区商场中甲醛浓度分布及来源分析[J]. 安庆师范学院学报(自然科学版) 2015(04)

    标签:;  ;  ;  ;  

    基于支持向量机的甲醛浓度软测量
    下载Doc文档

    猜你喜欢