基于主成分分析-改进的极限学习机方法的精对苯二甲酸醋酸含量软测量
贺彦林
王晓
朱群雄
1.北京化工大学信息科学与技术学院,北京,1000292.北京化工大学信息科学与技术学院,北京,1000293.北京化工大学信息科学与技术学院,北京,100029
摘要：目前,化工生产过程日益复杂,生产操作变量越来越多,由于客观条件的限制,有些重要的过程参数无法通过直接测量的手段精确测得.通过软测量可实现复杂化工生产过程重要参数的精确测量,进而指导化工企业的生产,提高化工生产的产出效率,是解决问题的一个有效的方法.针对复杂化工过程软测量建模中存在的问题,本文提出了一种改进的极限学习机模型(improved extreme learning machine,IELM).一方面将主成分分析(principalcomponent analysis,PCA)方法应用到极限学习机(ELM)里,通过PCA对模型输入变量进行主成分分析,不仅去除了变量间的线性相关关系,而且对高数据进行降维处理,最终降低了极限学习机的输入复杂性;另一方面利用相关系数判断输入主元数据与输出数据间的相关关系,从而得到正相关输入和负相关输入,依据这两类数据构造ELM模型,使得每类输入数据对网络的输出有同样的作用,进一步提高极限学习机的泛化能力.最后建立了PCA-IELM模型,首先用标准数据库的Triazines数据集验证该模型有效性,随后得出了基于PCA-IELM方法的精对苯二甲酸(purified terephthalic acid,PTA)溶剂脱水塔塔顶醋酸含量软测量模型,仿真结果表明PCA-IELM模型处理高维数据时较传统的ELM算法具有稳定性好,建模精度高等特点,为神经网络在复杂化工应用领域提供新思路.
关键词：极限学习机主成分分析精对苯二甲酸软测量
分类号：TP273(自动化技术及设备)
资助基金：国家自然科学基金项目(61074153)国家自然科学基金项目(61473026)Supported by National Natural Science Foundation of China (61074153)Supported by National Natural Science Foundation of China (61473026)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 80-85 )
英文信息