计算机与应用化学
計算機與應用化學
계산궤여응용화학
Computers and Applied Chemistry
2015年
8期
991-994
,共4页
PSO%K-均值聚类%SVM建模%多模型%石脑油干点
PSO%K-均值聚類%SVM建模%多模型%石腦油榦點
PSO%K-균치취류%SVM건모%다모형%석뇌유간점
PSO%K-means clustering%SVM modeling%multi-model%naphtha dry point
针对蒸馏工艺过程中变量多且变量间关系呈强耦合性及高度非线性的特点,提出一种基于PSO-K均值聚类的石脑油干点值多模型软测量建模方法.分析石脑油干点值的影响因素,采集相关辅助变量.用基于PSO改进的K均值聚类算法将现场采集数据进行划分,得到样本子集.再将得到的各个样本子集分别用SVM算法进行训练,建立石脑油干点值的预测子模型.在此模型基础上,通过计算预测样本与各子模型训练样本聚类中心的欧氏距离,采用模型切换的方法选择预测模型.仿真结果表明该方法避免了分类时K均值算法易陷入局部极值的问题,可以有效预测常压塔石脑油干点值,与单个全局模型相比有更好的精度与泛化能力.
針對蒸餾工藝過程中變量多且變量間關繫呈彊耦閤性及高度非線性的特點,提齣一種基于PSO-K均值聚類的石腦油榦點值多模型軟測量建模方法.分析石腦油榦點值的影響因素,採集相關輔助變量.用基于PSO改進的K均值聚類算法將現場採集數據進行劃分,得到樣本子集.再將得到的各箇樣本子集分彆用SVM算法進行訓練,建立石腦油榦點值的預測子模型.在此模型基礎上,通過計算預測樣本與各子模型訓練樣本聚類中心的歐氏距離,採用模型切換的方法選擇預測模型.倣真結果錶明該方法避免瞭分類時K均值算法易陷入跼部極值的問題,可以有效預測常壓塔石腦油榦點值,與單箇全跼模型相比有更好的精度與汎化能力.
침대증류공예과정중변량다차변량간관계정강우합성급고도비선성적특점,제출일충기우PSO-K균치취류적석뇌유간점치다모형연측량건모방법.분석석뇌유간점치적영향인소,채집상관보조변량.용기우PSO개진적K균치취류산법장현장채집수거진행화분,득도양본자집.재장득도적각개양본자집분별용SVM산법진행훈련,건립석뇌유간점치적예측자모형.재차모형기출상,통과계산예측양본여각자모형훈련양본취류중심적구씨거리,채용모형절환적방법선택예측모형.방진결과표명해방법피면료분류시K균치산법역함입국부겁치적문제,가이유효예측상압탑석뇌유간점치,여단개전국모형상비유경호적정도여범화능력.
