基于KPCA和LSSVM的氧化铝粉流量预测

作者：张洁; 胡羽

来源：甘肃联合大学学报(自然科学版), 2013, (06): 38-41+45.

DOI：10.13804/j.cnki.2095-6991.2013.06.006

• 软测量
• 核主元分析
• 最小二乘支持向量机
• 氧化铝粉流量 soft-sensing
• kernel principal component analysis
• least square support vector machine
• alumina powder flow

针对氧化铝粉流量需在线精确测量,在线分析仪表成本较高和测量滞后的问题,提出了一种将核主元分析(KPCA)和最小二乘支持向量机(LSSVM)两种方法相结合的软测量混合建模方法,通过核主元分析(KPCA)提取数据非线性主元,并利用最小二乘支持向量机(LSSVM)建立氧化铝粉流量预测模型,预测结果表明该模型具有更好的非线性数据处理能力,运算速度快、跟踪性能好以及泛化能力强等优点,能满足氧化铝粉流量的在线测量要求.

• 单位
  兰州职业技术学院; 兰州理工大学