CAJ | 학술논문

针对裂解炉燃料气离线热值模型泛化能力差的问题，提出一种具有自适应能力的在线支持向量机（OnlineSVM）建模方法。该方法将增量式支持向量机（ISVM）与近似线性依靠（ALD）条件相结合，通过计算新样本与建模样本间的近似线性依靠值，选择满足ALD条件的独立新样本更新SVM模型。分析裂解炉燃料气热值的影响因素，并用OnlineSVM算法建立裂解炉燃料气热值在线软测量模型。该模型由离线训练模块和在线模型更新模块组成。离线训练模块基于离线数据训练得到初始热值软测量模型，在线更新模块通过使离线模型学习线性独立新样本来保证热值模型的在线预测精度。利用合成数据、Benchmark数据与裂解炉燃料气热值数据，将该方法与传统的SVM和LS‐SVM方法进行对比仿真研究。结果表明：该方法能够适应新的工况，具备自适应学习新样本的能力，可以用于具有慢时变特征的裂解炉燃料气系统热值软测量建模。
침대렬해로연료기리선열치모형범화능력차적문제，제출일충구유자괄응능력적재선지지향량궤（OnlineSVM）건모방법。해방법장증량식지지향량궤（ISVM）여근사선성의고（ALD）조건상결합，통과계산신양본여건모양본간적근사선성의고치，선택만족ALD조건적독립신양본경신SVM모형。분석렬해로연료기열치적영향인소，병용OnlineSVM산법건립렬해로연료기열치재선연측량모형。해모형유리선훈련모괴화재선모형경신모괴조성。리선훈련모괴기우리선수거훈련득도초시열치연측량모형，재선경신모괴통과사리선모형학습선성독립신양본래보증열치모형적재선예측정도。이용합성수거、Benchmark수거여렬해로연료기열치수거，장해방법여전통적SVM화LS‐SVM방법진행대비방진연구。결과표명：해방법능구괄응신적공황，구비자괄응학습신양본적능력，가이용우구유만시변특정적렬해로연료기계통열치연측량건모。