發(fā)布時(shí)間：2017-10-15 10:40

  本文關(guān)鍵詞：基于軟測量技術(shù)的化學(xué)信息學(xué)相關(guān)問題研究

  更多相關(guān)文章： 軟測量 化學(xué)信息學(xué) 相關(guān)向量機(jī) 模糊單調(diào)模型 快速估計(jì)模型

【摘要】：隨著計(jì)算機(jī)學(xué)科和化學(xué)工業(yè)的不斷發(fā)展,化學(xué)信息學(xué)應(yīng)運(yùn)而生�；瘜W(xué)信息學(xué)的研究領(lǐng)域中,化學(xué)工業(yè)生產(chǎn)一直是研究的熱點(diǎn)和重點(diǎn)內(nèi)容。在實(shí)際的工業(yè)過程中,數(shù)據(jù)處理過程極其繁瑣,存在諸多不穩(wěn)定因素如:多變量耦合、參數(shù)時(shí)變、強(qiáng)非線性、大滯后等特點(diǎn)。這些不穩(wěn)定因素的存在使得傳統(tǒng)傳感器在實(shí)際應(yīng)用中無法得到高效應(yīng)用,無法對重要變量取得快速精準(zhǔn)的測量,生產(chǎn)過程中無法得到有效優(yōu)化和診斷。軟測量技術(shù)是跨時(shí)代的新型智能檢測技術(shù),廣泛的應(yīng)用在工業(yè)過程測控系統(tǒng)中并具有廣闊的應(yīng)用發(fā)展前景。本文以冶煉煙氣制酸干吸工段中酸濃度檢測的問題過程為背景,對軟測量建模方法進(jìn)行了研究。針對于傳統(tǒng)軟測量建模方法存在的適用范圍小、精度低、魯棒性不強(qiáng)等問題,為了解決這些問題本文研究了基于相關(guān)向量機(jī)的軟測量建模方法,仿真結(jié)果驗(yàn)證了該方法的有效性。本文介紹了軟測量技術(shù)基本原理,分析了對軟測量技術(shù)研究的目的和意義,概述了目前國內(nèi)外專家學(xué)者的研究成果和發(fā)展,對軟測量技術(shù)常用的解決方案和面臨的難點(diǎn)進(jìn)行了闡述,深入分析了機(jī)器學(xué)習(xí)算法在軟測量上的應(yīng)用,并針對難點(diǎn)總結(jié)了目前世界上常用的解決方法。研究了相關(guān)向量機(jī)原理及其回歸軟測量模型,由于數(shù)據(jù)的維數(shù)較高,對模型的訓(xùn)練帶來了復(fù)雜困難的難題,本文采用了一種對屬性約簡的方法,對輸入數(shù)據(jù)數(shù)量進(jìn)行簡化,得到了幾類對預(yù)測結(jié)果影響偏大的相關(guān)輸入屬性。在此基礎(chǔ)上,提出了一種優(yōu)化的相關(guān)向量機(jī)的軟測量模型。通過仿真結(jié)果可知,用該算法建立的軟測量模型方便有效,預(yù)測精度準(zhǔn)確。為了有效提高化學(xué)工業(yè)生產(chǎn)過程中的預(yù)測效率,并保持預(yù)測精度�？梢岳谩跋嚓P(guān)向量”在相關(guān)向量機(jī)中低比重的特征。在閾值系數(shù)和最大上限約減相結(jié)合的基礎(chǔ)上,通過迭代估計(jì)方法對訓(xùn)練數(shù)據(jù)樣本的超參進(jìn)行有效的快速估計(jì),這樣可以去除訓(xùn)練數(shù)據(jù)中諸多的非相關(guān)向量,同樣也縮小了訓(xùn)練樣本的規(guī)模,極大縮短了模型訓(xùn)練的時(shí)間,在此基礎(chǔ)之上提出基于快速估計(jì)的相關(guān)向量機(jī)軟測量技術(shù)。實(shí)驗(yàn)結(jié)果表明,提升了硫酸濃度檢測速率,并保持了精度。
【關(guān)鍵詞】：軟測量 化學(xué)信息學(xué) 相關(guān)向量機(jī) 模糊單調(diào)模型 快速估計(jì)模型
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP274
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 課題研究的目的和意義10-11
• 1.2 軟測量技術(shù)的研究概況11-15
• 1.2.1 國外研究現(xiàn)狀11-13
• 1.2.2 國內(nèi)研究概況13-15
• 1.3 本課題研究的主要內(nèi)容15-16
• 1.3.1 課題來源15
• 1.3.2 課題的主要研究內(nèi)容15-16
• 第2章 軟測量技術(shù)概述和相關(guān)向量機(jī)原理分析16-28
• 2.1 軟測量技術(shù)概述和分析16-22
• 2.1.1 軟測量技術(shù)基本原理16-17
• 2.1.2 軟測量技術(shù)框架及其開發(fā)流程17-19
• 2.1.3 軟測量的建模方法19-22
• 2.2 相關(guān)向量機(jī)原理與分析22-27
• 2.2.1 相關(guān)向量機(jī)算法的產(chǎn)生22-23
• 2.2.2 相關(guān)向量機(jī)基礎(chǔ)理論23-24
• 2.2.3 相關(guān)向量機(jī)回歸模型24-27
• 2.3 本章小結(jié)27-28
• 第3章 基于一種改進(jìn)相關(guān)向量機(jī)的軟測量技術(shù)28-39
• 3.1 模糊單調(diào)模型28-30
• 3.1.1 集合的理論基礎(chǔ)28
• 3.1.2 模糊單調(diào)模型定義28-30
• 3.2 相同距離區(qū)間劃分法30-31
• 3.3 基于區(qū)間最小值的模糊單調(diào)屬性約簡算法31-35
• 3.3.1 基于區(qū)間最小值的模糊單調(diào)依賴關(guān)系定義31-32
• 3.3.2 基于區(qū)間最小值的模糊單調(diào)屬性約簡算法32
• 3.3.3 基于模糊遞增算法的數(shù)據(jù)屬性約簡32-35
• 3.4 硫酸濃度預(yù)測的RVM模型仿真與結(jié)果35-38
• 3.5 本章小結(jié)38-39
• 第4章 基于快速估計(jì)相關(guān)向量機(jī)的軟測量技術(shù)39-50
• 4.1 快速估計(jì)方法39-44
• 4.1.1 迭代估計(jì)39-40
• 4.1.2 超參的閾值系數(shù)40-42
• 4.1.3 控制約減樣本數(shù)量的上限42-44
• 4.2 改進(jìn)后的相關(guān)向量機(jī)44-45
• 4.3 算法實(shí)驗(yàn)及結(jié)果分析45-49
• 4.3.1 實(shí)驗(yàn)設(shè)計(jì)45-46
• 4.3.2 實(shí)驗(yàn)結(jié)果及分析46-49
• 4.4 本章小結(jié)49-50
• 結(jié)論50-51
• 參考文獻(xiàn)51-56
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文56-57
• 致謝57

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱鵬飛;夏陸岳;潘海天;;基于軟測量技術(shù)的間歇聚合過程質(zhì)量控制[J];計(jì)算機(jī)與應(yīng)用化學(xué);2015年08期

2 陳全亮;廖戎;羅建斌;周慶翰;萬靜;楊勝韜;何達(dá)海;石治川;;化學(xué)信息學(xué)教學(xué)的探索與實(shí)踐[J];廣東化工;2015年15期

3 劉思成;李奇安;;芳烴抽提過程收率軟測量技術(shù)應(yīng)用[J];自動化與儀器儀表;2015年04期

4 邵學(xué)廣;朱維良;吳海龍;李曉霞;徐筱杰;;計(jì)算(機(jī))化學(xué)學(xué)科進(jìn)展(2011-2013)[J];化學(xué)通報(bào);2014年07期

5 梁瑾;羅飛;許玉格;;基于決策表的模糊粗糙單調(diào)依賴算法及其應(yīng)用[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年07期

6 朱群雄;郎娜;;工業(yè)軟測量模型結(jié)構(gòu)與輸入變量選擇的研究[J];控制工程;2011年03期

7 李曉霞;郭力;袁小龍;夏詔杰;聶峰光;;Internet推動的化學(xué)信息學(xué)重要進(jìn)展[J];化學(xué)進(jìn)展;2008年12期

8 俞金壽;;軟測量技術(shù)及其應(yīng)用[J];自動化儀表;2008年01期

9 孔建益;李公法;熊禾根;蔣國璋;楊金堂;王興東;侯宇;;工業(yè)生產(chǎn)中軟測量建模方法及其應(yīng)用研究[J];機(jī)床與液壓;2007年06期

10 賀毅;趙望達(dá);劉勇求;;基于先進(jìn)信息處理技術(shù)的軟測量應(yīng)用探討[J];工業(yè)計(jì)量;2006年02期

，

本文編號：1036671