洪 洲

(广州城市职业学院信息技术系，广州510405)

最小二乘支持向量机在线建模在预测控制中的应用*

洪 洲*

(广州城市职业学院信息技术系，广州510405)

针对智能预测控制中的预测模型，提出了最小二乘支持向量机(LS-SVM)在线模型的递推算法，减少了矩阵求逆计算。当模型达到较高的精度后，每次迭代过程中当一个新的数据点加入到数据集，则把具有最小|αi|的数据点删除。不但解决了数据集规模的问题，而且提高了预测模型的精确性。通过仿真验证了基于在线LS-SVM模型的预测控制可以使系统快速、准确地跟踪期望输出，达到预期的控制效果。

LS-SVM;在线建模;预测控制;预测模型

预测模型在工业过程的预测控制中起到举足轻重的作用，模型的精确度越精确，优化控制质量就越高。:实际过程中，由于系统工作域的迁移，使得离线数据样本所建立的模型并不能准确描述系统的实际状况.为了使模型能够准确反应系统的当前状态，应不断利用所获得的最新数据建立能够反映系统当前状况的新模型.即采用在线建模的方法。

1 LS-SVM在线建模递推算法

在LS-SVM中，用

来表示对象的模型，α和b是待定参数，求解方法是根据结构风险最小化原则，并使样本拟合误差最小化，把约束优化问题变成无约束优化问题，建立Lagrange函数，根据KKT条件，可得到线性方程组:

其中γ为调整参数因子。

K(xi，xj)是满足Mercer条件的核函数，常用的是径向基函数。

通过训练数据集{(xi，yi)}Ni=1，求解方程(3)来确定参数α和b。

就在线建模而言，需要不间断的增添新的数据到训练集中去，模型才可以实时的得以校正来适应新的对象特性改变，所以训练数据会被增加。……