李荣雨，王立明

(南京工业大学电子与信息工程学院，江苏南京 211816)



改进递推最小二乘支持向量机及在过程建模中的应用

李荣雨，王立明

(南京工业大学电子与信息工程学院，江苏南京 211816)

针对流程工业存在多变量、非线性和数据动态性等问题,提出一种改进递推最小二乘支持向量机。该算法首先利用K均值算法(Kmeans)将训练样本分类，然后针对各聚类用人工鱼群算法(Artificial Fish Swarm Algorithm，AFSA)对最小二乘支持向量机参数进行优化，以避免人为选择最小二乘支持向量机参数的盲目性,最后在各聚类基础上建立相应在线递推最小二乘支持向量机模型。在加氢裂化反应过程蒸馏塔航煤干点的软测量建模研究中，表明所提出算法的有效性和优越性。

聚类分析；人工鱼群算法；最小二乘支持向量；在线递推；软测量

0 引言

非线性以及在线过程辨识始终是自动化控制领域的研究热点[1-2]。近年来软测量技术在工业过程中获得了广泛的发展和应用，最小二乘支持向量机(Least Squares Support Vector Machine，LSSVM)由于具有良好的有限样本建模能力，且仅需求解线性方程组，因此成为众多学者研究的热点[3-4]。离线建立的模型由于工业过程的时变特性已不能满足要求，在线更新模型成为了现阶段研究的热点[5]。

针对工业过程的非线性和时变性, 一个模型很难至始至终通过自适应改变参数来保证准确运行，而且建立一个模型要想包含所有的样本特征必然导致样本空间偏大，带来计算上的时间消耗，同时削弱在线更新阶段对模型的修正。……