本文關(guān)鍵詞： 偏互信息 變量選擇 支持向量機(jī) 煙氣脫硝 數(shù)據(jù)建模　出處：《中國電機(jī)工程學(xué)報(bào)》2016年09期 　論文類型：期刊論文

【摘要】：數(shù)據(jù)驅(qū)動(dòng)模型被廣泛應(yīng)用于工業(yè)過程中,最優(yōu)變量集的選取對(duì)模型性能非常重要。針對(duì)工業(yè)過程中建模對(duì)象普遍具有的強(qiáng)非線性以及變量間的相關(guān)和耦合特性,采用偏互信息方法(partial mutual information,PMI)進(jìn)行變量選擇。利用benchmark驗(yàn)證了PMI方法的有效性并將其應(yīng)用于火電廠SCR煙氣脫硝系統(tǒng)。將選取的最優(yōu)變量集作為支持向量機(jī)(support vector machine,SVM)的輸入,建立了PMI-SVM模型。此外,將PMI方法與人工神經(jīng)網(wǎng)絡(luò)方法(artificial neural network,ANN)結(jié)合,構(gòu)成PMI-ANN模型。將兩種PMI模型與原始的SVM和ANN模型進(jìn)行對(duì)比,結(jié)果表明PMI方法降低了模型的復(fù)雜度,提高了模型的學(xué)習(xí)和泛化能力。
[Abstract]:Data-driven model is widely used in industrial process. The selection of optimal variable set is very important to the performance of the model. Partial mutual information is adopted by partial mutual information method. The effectiveness of the PMI method is verified by benchmark and applied to the flue gas denitrification system of thermal power plant SCR. The optimal variable set is used as the support vector machine (2). Support vector machine. In addition, artificial neural network is combined with PMI method. Comparing the two PMI models with the original SVM and ANN models, the results show that the PMI method reduces the complexity of the model. The learning and generalization ability of the model is improved.
【作者單位】： 新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué));
【基金】：國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)資助(2012CB215203) 北京高等學(xué)校青年英才計(jì)劃項(xiàng)目(YEPT0705) 中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助(2015XS69)~~
【分類號(hào)】：TM621
【正文快照】： (2015XS69).benchmark驗(yàn)證了PMI方法的有效性并將其應(yīng)用于火電廠SCR煙氣脫硝系統(tǒng)。將選取的最優(yōu)變量集作為支持向量機(jī)(support vector machine,SVM)的輸入,建立了PMI-SVM模型。此外,將PMI方法與人工神經(jīng)網(wǎng)絡(luò)方法(artificial neuralnetwork,ANN)結(jié)合,構(gòu)成PMI-ANN模型。將兩種PM

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 樊亞莉;徐群芳;;穩(wěn)健的變量選擇方法及其應(yīng)用[J];上海理工大學(xué)學(xué)報(bào);2013年03期

2 楊璐,高自友;用神經(jīng)網(wǎng)絡(luò)進(jìn)行變量選擇[J];北方交通大學(xué)學(xué)報(bào);1999年03期

3 董瑩;宋立新;石新勇;;組合懲罰下聯(lián)合均值與方差模型的變量選擇[J];大連理工大學(xué)學(xué)報(bào);2014年01期

4 鐘登華,劉豹,張世英,張維;非線性計(jì)量經(jīng)濟(jì)建模變量選擇[J];天津大學(xué)學(xué)報(bào);1993年03期

5 周偉,王建軍,李繼銳;基于人工神經(jīng)網(wǎng)絡(luò)的影響高速公路社會(huì)效益量化的變量選擇方法[J];西安公路交通大學(xué)學(xué)報(bào);2000年03期

6 齊曉麗;梁慧超;馮彥妍;;回歸模型構(gòu)建中變量選擇的研究[J];河北工業(yè)大學(xué)學(xué)報(bào);2009年06期

7 王正明;一種新的自變量選擇淮則[J];國防科技大學(xué)學(xué)報(bào);1990年03期

8 楊宜平;薛留根;王學(xué)娟;;高維部分線性模型中的變量選擇[J];北京工業(yè)大學(xué)學(xué)報(bào);2011年02期

9 趙培信;;基于光滑門限估計(jì)方程的變系數(shù)EV模型的變量選擇方法[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

10 李太福;易軍;蘇盈盈;胡文金;高婷;;基于KPCA子空間虛假鄰點(diǎn)判別的非線性建模的變量選擇[J];機(jī)械工程學(xué)報(bào);2012年10期

相關(guān)會(huì)議論文 前6條

1 張俊華;方偉武;;調(diào)查表分析中變量選擇的一些方法(英文)[A];中國運(yùn)籌學(xué)會(huì)第六屆學(xué)術(shù)交流會(huì)論文集（下卷）[C];2000年

2 李洪東;梁逸曾;;高維數(shù)據(jù)變量選擇新方法研究[A];中國化學(xué)會(huì)第27屆學(xué)術(shù)年會(huì)第15分會(huì)場摘要集[C];2010年

3 李慷;席裕庚;;復(fù)雜過程系統(tǒng)中操作變量選擇與定位的方法研究[A];1993年控制理論及其應(yīng)用年會(huì)論文集[C];1993年

4 云永歡;王為婷;梁逸曾;;迭代的保留有信息變量來篩選最佳變量子集的一種多元校正變量選擇方法[A];中國化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

5 徐登;范偉;梁逸曾;;紫外光譜結(jié)合變量選擇和偏最小二乘回歸同時(shí)測(cè)定水中重金屬鎘、鋅、鈷[A];中國化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

6 梁逸曾;李洪東;許青松;曹東升;張志敏;;灰色化學(xué)建模與模型集群分析——兼論過擬合、穩(wěn)健估計(jì)、變量選擇與模型評(píng)價(jià)[A];中國化學(xué)會(huì)第27屆學(xué)術(shù)年會(huì)第15分會(huì)場摘要集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 王大榮;分散度量模型中的變量選擇[D];北京工業(yè)大學(xué);2009年

2 王明秋;高維數(shù)據(jù)下若干回歸模型的變量選擇問題研究[D];大連理工大學(xué);2012年

3 劉吉彩;生存數(shù)據(jù)統(tǒng)計(jì)模型的變量選擇方法[D];華東師范大學(xué);2014年

4 樊亞莉;穩(wěn)健變量選擇方法的若干問題研究[D];復(fù)旦大學(xué);2013年

5 唐凱臨;變量選擇和變換的新方法研究[D];同濟(jì)大學(xué);2008年

6 葉飛;相對(duì)誤差準(zhǔn)則下的估計(jì)理論和變量選擇方法的研究[D];清華大學(xué);2013年

7 董瑩;高維共線性統(tǒng)計(jì)模型的參數(shù)估計(jì)與變量選擇[D];大連理工大學(xué);2014年

8 袁晶;貝葉斯方法在變量選擇問題中的應(yīng)用[D];山東大學(xué);2013年

9 王樹云;基于Bayes方法和圖限制下正規(guī)化方法的變量選擇問題及其在基因組數(shù)據(jù)中的應(yīng)用[D];山東大學(xué);2010年

10 姬永剛;分位數(shù)回歸中的貝葉斯變量選擇[D];東北師范大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 康贊亮;計(jì)量經(jīng)濟(jì)學(xué)模型變量選擇與設(shè)定的理論方法研究[D];清華大學(xué);2009年

2 閆闖;多元回歸模型中變量選擇問題研究[D];黑龍江大學(xué);2011年

3 張丹;乘積模型的變量選擇[D];河南大學(xué);2014年

4 郝亞楠;基于L_2-Fused Lasso變量選擇方法的性質(zhì)及應(yīng)用研究[D];北京交通大學(xué);2014年

5 滿敬鑾;生存數(shù)據(jù)模型的變量選擇[D];中南大學(xué);2009年

6 高少龍;幾種變量選擇方法的模擬研究和實(shí)證分析[D];山東大學(xué);2014年

7 龍旭霞;基于互信息的變量選擇方法研究[D];中南大學(xué);2013年

8 成青;高維基因數(shù)據(jù)中的變量選擇[D];西南交通大學(xué);2014年

9 程勇;多水平模型的變量選擇在農(nóng)戶人均收入數(shù)據(jù)中的應(yīng)用[D];云南財(cái)經(jīng)大學(xué);2015年

10 魏巖峰;用加權(quán)fusion變量選擇方法對(duì)森林中蝙蝠活動(dòng)數(shù)據(jù)作變量選取[D];東北師范大學(xué);2010年

，

本文編號(hào)：1484819