KPCA-模糊加权LSSVM预测方法及其应用

作者：伍铁斌; 刘云连; 李新君; 殷永生

来源：计算机测量与控制, 2012, 20(03): 617-620.

DOI：10.16526/j.cnki.11-4762/tp.2012.03.081

• KPCA
• 最小二乘支持向量机
• 钴离子
• 微粒群算法

针对工业系统参数缓慢变化和工业现场数据存在噪声和变量间存在多重相关性,提出了一种KPCA-模糊加权LSSVM预测方法;采用KPCA去除数据的噪声和降低样本数据各参数间的多重相关性,减少样本数据维数;针对不同时期样本数据重要程度不一样,提出了模糊加权的思想;利用改进微粒群算法(PSO)优化LSSVM模型的惩罚因子和核函数参数;以净化除钴过程生产数据进行验证分析,仿真结果表明,KPCA-模糊加权LSSVM预测模型精度高于主成分回归(PCR)和LSSVM,能满足工业现场钴离子浓度预测的要求。

• 单位
  中南大学; 江西应用工程职业学院; 湖南人文科技学院