基于PSO-LSSVM的研究法辛烷值预测建模
【摘要】:针对现存的红外线分析仪表无法在线分析抗爆剂对成品油研究法辛烷值的影响问题,考虑到样本数据较少的因素,提出一种基于粒子群优化的最小二乘支持向量机方法,以粒子群优化的方法来选取最小二乘支持向量机的模型参数,在克服了交叉验证法耗时与盲目性问题的同时,又发挥了最小二乘支持向量机的小样本学习能力强和计算简单的特点,将其应用于汽油调合系统中研究法辛烷值的预测。仿真结果表明,该模型的估计值与实际化验值吻合得较好。
|
|
|
|
1 |
陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期 |
2 |
刘万春,罗双华,朱玉文,谢世斌;基于聚类分析和支持向量机的布匹瑕疵分类方法[J];北京理工大学学报;2004年08期 |
3 |
李宁;孙铭;王磊;刘兴龙;童隆正;;基于支持向量机的肝纤维化CT图像分类[J];北京生物医学工程;2007年01期 |
4 |
徐红敏;杨天行;;基于支持向量机分类算法的湖泊水质评价研究[J];吉林大学学报(地球科学版);2006年04期 |
5 |
盛守照,王道波,黄向华,王志胜;新型前向神经网络设计方法在软测量中的应用[J];传感器技术;2004年04期 |
6 |
谭超;基于支持向量机的软测量技术及其应用[J];传感器技术;2005年08期 |
7 |
字正华;石庚辰;;基于自适应EIH模型的激波脉冲识别[J];测试技术学报;2006年01期 |
8 |
曾嵘,刘建成,蒋新华;一种基于支持向量机的增量学习算法[J];铁道科学与工程学报;2005年01期 |
9 |
沈明华;肖立;王飞行;;支持向量机在模式识别中的应用[J];电讯技术;2006年04期 |
10 |
王振雷,李鸿儒,顾树生;神经网络过学习问题的统计学分析及改进算法[J];东北大学学报(自然科学版);2001年04期 |
|