检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于多模态扰动的集成即时学习软测量建模

信息与控制 2020年第3期49卷 257-266页

作者：金怀平李建刚钱斌陈祥光杨彪昆明理工大学信息工程与自动化学院云南昆明650500 北京理工大学化学与化工学院北京100081

近年来,即时学习软测量方法已被广泛用于过程工业中难测参数的在线估计.然而,常规的即时学习软测量方法仅依靠单一的学习配置,忽略了即时学习性能的多样性,导致预测性能不佳.为此,提出了一种基于多模态扰动的集成即时学习软测量建模方法... 详细信息

近年来,即时学习软测量方法已被广泛用于过程工业中难测参数的在线估计.然而,常规的即时学习软测量方法仅依靠单一的学习配置,忽略了即时学习性能的多样性,导致预测性能不佳.为此,提出了一种基于多模态扰动的集成即时学习软测量建模方法,称为DSS-ELWPLS(Diverse Subspaces and Similarity measures based Ensemble Locally Weighted Partial Least Squares).该方法以局部加权偏最小二乘算法(LWPLS)为基学习器,通过输入特征扰动和相似度扰动以激发即时学习的多样性,然后基于进化多目标优化构建满足多样性和准确性的即时学习基模型.随后采用Stacking集成学习策略,实现即时学习基模型的融合.通过在青霉素发酵过程和工业混炼胶过程中的应用,验证了DSS-ELWPLS方法的有效性和优越性.

关键词：软测量即时学习集成学习多模态扰动多目标优化局部加权偏最小二乘

在线全文

学校读者我要写书评

暂无评论

基于即时学习的集成神经网络及其干点预测

华东理工大学学报（自然科学版） 2016年第5期42卷 696-701页

作者：吴朔枫颜学峰华东理工大学化工过程先进控制和优化技术教育部重点实验室上海200237

针对单个神经网络泛化能力差、对不同样本预测精度波动大的问题,提出了一种基于即时学习集成神经网络方法。首先,基于训练样本,建立多个不同的神经网络模型。其次,根据即时学习的思想,在对样本进行预测时,在训练样本中寻找与预测样本最... 详细信息

针对单个神经网络泛化能力差、对不同样本预测精度波动大的问题,提出了一种基于即时学习集成神经网络方法。首先,基于训练样本,建立多个不同的神经网络模型。其次,根据即时学习的思想,在对样本进行预测时,在训练样本中寻找与预测样本最接近的若干邻近样本,根据各网络对邻近样本的训练误差,即时形成各神经网络的集成权重,实时构造集成神经网络模型,对预测样本进行预测。最后,将该方法应用于初顶石脑油干点的预测,相比于文献中提出的方法,得到了更好的预测结果。

关键词：神经网络即时学习集成干点

在线全文

学校读者我要写书评

暂无评论

一种基于即时学习的多模型在线建模方法

四川大学学报（工程科学版） 2010年第1期42卷 196-200页

作者：李庆良雷虎民空军工程大学导弹学院陕西三原713800

针对复杂非线性系统的建模问题,基于空间划分树(SP-Tree)和即时学习(lazy learning)的思想,设计了一种多模型在线建模方法。该方法基于分解-合成策略,根据系统输入输出数据,采用即时学习算法建立当前时刻的最佳局部模型,随着系统工作点... 详细信息

针对复杂非线性系统的建模问题,基于空间划分树(SP-Tree)和即时学习(lazy learning)的思想,设计了一种多模型在线建模方法。该方法基于分解-合成策略,根据系统输入输出数据,采用即时学习算法建立当前时刻的最佳局部模型,随着系统工作点的移动,滚动建立系统的多个模型,实现对非线性系统的准确建模。在建立邻域的过程中,采用一种基于SP-Tree数据结构的数据库进行分层递阶搜索,有效地提高了在线建模的实时性。最后,通过对一个仿真案例的研究验证了该算法的有效性。

关键词：即时学习非线性系统在线多模型建模空间划分树 k-vNN

在线全文

学校读者我要写书评

暂无评论

基于BGMM的即时学习软测量建模方法

系统仿真学报 2019年第8期31卷 1555-1561页

作者：祁成熊伟丽江南大学物联网工程学院自动化研究所无锡214122 江南大学轻工过程先进控制教育部重点实验室无锡214122

对于具有非高斯特性的时变工业过程,一般的软测量方法建立的模型很难满足精度要求。为有效解决上述问题,提出一种基于贝叶斯高斯混合模型(BGMM)的即时学习软测量建模方法。对于给定的训练样本集,利用贝叶斯信息准则对高斯混合模型的成... 详细信息

对于具有非高斯特性的时变工业过程,一般的软测量方法建立的模型很难满足精度要求。为有效解决上述问题,提出一种基于贝叶斯高斯混合模型(BGMM)的即时学习软测量建模方法。对于给定的训练样本集,利用贝叶斯信息准则对高斯混合模型的成分个数进行优化;对于新的测试样本,利用BGMM相似度准则从训练样本中找出与之最相似的一组样本建立高斯过程回归模型;用该模型对测试样本进行预测。通过脱丁烷塔塔底丁烷浓度的软测量建模仿真,验证了所提方法的有效性。

关键词：高斯混合模型即时学习贝叶斯信息准则高斯过程回归

在线全文

学校读者我要写书评

暂无评论

基于二阶相似度的即时学习软测量建模方法

智能系统学报 2020年第5期15卷 910-918页

作者：祁成史旭东熊伟丽江南大学物联网工程学院江苏无锡214122 江南大学轻工过程先进控制教育部重点实验室江苏无锡214122

针对即时(惰性)学习模型频率降低间接导致的精度下降问题,提出一种二阶相似性的即时学习方法。该方法综合顾及到样本集的整体分布特性,在传统一阶相似度准则的基础上建立二阶相似度准则,采用与测试样本具有绝大部分相同近邻的二阶相似... 详细信息

针对即时(惰性)学习模型频率降低间接导致的精度下降问题,提出一种二阶相似性的即时学习方法。该方法综合顾及到样本集的整体分布特性,在传统一阶相似度准则的基础上建立二阶相似度准则,采用与测试样本具有绝大部分相同近邻的二阶相似样本建立当前时刻的模型;同时将累计相似度因子用于建立局部模型时样本量的确定,并采用相似度阈值的方式判断此刻模型是否需要重新建立。该方法在青霉素发酵过程产物浓度的预测实验中得到了有效的验证。

关键词：即时学习更新频率二阶相似度相似度准则一阶相似度局部模型累计相似度因子相似度阈值

在线全文

学校读者我要写书评

暂无评论

时变过程在线辨识的即时递推核学习方法研究

自动化学报 2013年第5期39卷 602-609页

作者：刘毅金福江高增梁浙江工业大学化工机械设计研究所杭州310032 华侨大学信息科学与工程学院厦门361021

为了及时跟踪非线性化工过程的时变特性,提出即时递推核学习(Kernel learning,KL)的在线辨识方法.针对待预测的新样本点,采用即时学习(Just-in-time kernel learning,JITL)策略,通过构造累积相似度因子,选择与其相似的样本集建立核学习... 详细信息

为了及时跟踪非线性化工过程的时变特性,提出即时递推核学习(Kernel learning,KL)的在线辨识方法.针对待预测的新样本点,采用即时学习(Just-in-time kernel learning,JITL)策略,通过构造累积相似度因子,选择与其相似的样本集建立核学习辨识模型.为避免传统即时学习对每个待预测点都重新建模的繁琐,利用两个临近时刻相似样本集的异同点,采用递推方法有效添加新样本,并删减旧模型的样本,以快速建立新即时模型.通过一时变连续搅拌釜式反应过程的在线辨识,表明了所提出方法在保证计算效率的同时,较传统递推核学习方法提高了辨识的准确程度,能更好地辨识时变过程.

关键词：过程辨识即时学习核学习最小二乘支持向量回归递推辨识

即时学习软测量建模方法及其在发酵过程中应用

在线全文

学校读者我要写书评

暂无评论

即时学习软测量建模方法及其在发酵过程中应用

作者：陈瑶江苏大学

学位级别：硕士

在许多工业生产过程中,软测量技术可以有效的代替物理仪器系统,解决生产过程中关键变量因受恶劣环境、经济或者技术条件限制而难以在线测量的难题。然而,很多工业过程受本身结构特征、复杂物理化学反应、外界因素等影响而存在严重的非... 详细信息

在许多工业生产过程中,软测量技术可以有效的代替物理仪器系统,解决生产过程中关键变量因受恶劣环境、经济或者技术条件限制而难以在线测量的难题。然而,很多工业过程受本身结构特征、复杂物理化学反应、外界因素等影响而存在严重的非线性和时变性,给传统软测量模型训练和应用带来了困难。即时学习建模策略是解决此问题的一条有效途径,越来越受到学术界和工业界的关注。本文以青霉素仿真发酵过程和工业红霉素发酵过程为对象,围绕基于即时学习的软测量建模方法展开了研究工作,具体内容如下:(1)提出了综合相似度指标。传统即时学习建模方法通常只根据样本输入变量间的相似度来选择相关样本,而忽略了所选相关样本输出变量可能存在异常值。本文提出一种基于输入输出综合相似度指标的即时学习软测量建模方法。在该方法中,首先利用传统的基于距离和角度的相似度指标分别对样本输入输出变量进行相似度计算,进而对相似度进行综合,最后选择出最终的相关样本集,建立高斯过程回归软测量模型。与传统基于马氏距离和基于距离角度的相似度指标的即时学习建模方法相比较,案例研究结果表明所提方法能够有效剔除异常值,提高相关样本质量,所建模型具有较高的预测精度。(2)引入高斯核函数作为相似度指标,并提出了基于JIT-Bagging的软测量建模方法。在即时学习建模中,相关样本集的确定对预测精度至关重要。但是,如何确定相关样本集的规模仍然有待进一步研究。并且传统即时学习软测量方法通常利用所选出的全部相关样本建立单个整体模型,而对于复杂的非线性生产过程,所建模型的预测性能会具有一定的局限性。本文提出一种基于Bagging和即时学习软测量建模方法。在该方法中,首先利用高斯核函数对综合相似度指标作改进;其次,基于Bagging和即时学习方法,建立软测量模型,并采用了GPR和PLS两种建模方法进行比较研究。以典型非线性系统仿真过程和青霉素发酵仿真过程为对象,研究结果表明所提JIT-Bagging-GPR模型具有更好的预测性能和鲁棒性。(3)提出了基于即时学习和移动窗的预估-校正软测量建模方法。传统即时学习软测量建模过程仅考虑了查询样本与相关样本之间的空间属性相似度,而忽视了局部生产工况动态特征。本文提出了一种基于即时学习和移动窗相结合的软测量建模方法(JIT-MW)。该方法中,首先建立即时学习模型对查询样本进行初步预估;然后,采集该查询样本相邻移动窗口数据构建局部模型训练集;最后,基于新的训练集建模并实现对查询样本点的校正估计。为了验证所提建模策略的有效性,以青霉素发酵仿真过程和工业红霉素发酵过程为对象,采用高斯过程回归工具进行建模和评估。相比于传统基于即时学习的高斯回归模型(JIT-GPR),本文所提方法能够获得更高的预测精度,对传统即时学习模型预测结果具有较好的校正能力。

关键词：软测量即时学习高斯过程回归 Bagging技术移动窗口发酵过程

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于即时学习差异化建模的用电量预测方法

电力系统及其自动化学报 2020年第3期32卷 14-19页

作者：李海英杨冰芳孙伟卿上海理工大学机械工程学院上海200093

针对日用电量呈现多样化发展趋势,提出一种即时学习LL(lazy learning)差异化预测模型。LL基于相似输入产生相似输出,采用K向量近邻K-VNN(K-vector nearest neighbors)挑选与预测日期相似的用电场景,并以此“即时”构建回归预测模型。为... 详细信息

针对日用电量呈现多样化发展趋势,提出一种即时学习LL(lazy learning)差异化预测模型。LL基于相似输入产生相似输出,采用K向量近邻K-VNN(K-vector nearest neighbors)挑选与预测日期相似的用电场景,并以此“即时”构建回归预测模型。为缩小K-VNN的搜寻规模,通过模糊C均值FCM(fuzzy C-means)依据预测特征值进行数据聚类。灰色T型关联度用来选择特征值,进一步提高模型的运行效率。武汉某高校大楼的用电量预测结果表明:FCM-LL差异化建模方法在日用电量的预测效率和预测精度中具有显著的优越性。

关键词：用电量预测即时学习模糊C均值聚类灰色T型关联度差异化建模

在线全文

学校读者我要写书评

暂无评论

基于改进即时学习算法的球磨机料位软测量

计算机工程与设计 2018年第4期39卷 1011-1016页

作者：贾松达丁洁阎高伟太原理工大学信息工程学院山西太原030024

针对传统球磨机料位软测量模型难以适应生产过程中的时变特性,以及磨机信号中存在的非线性和不确定性等问题,将磨机筒体的振动和振声频谱作为辅助变量,提出基于改进即时学习算法的料位软测量模型。采用梅尔频率倒谱系数提取所有样本的... 详细信息

针对传统球磨机料位软测量模型难以适应生产过程中的时变特性,以及磨机信号中存在的非线性和不确定性等问题,将磨机筒体的振动和振声频谱作为辅助变量,提出基于改进即时学习算法的料位软测量模型。采用梅尔频率倒谱系数提取所有样本的特征参数;以当前样本作为查询样本,采用云模型理论计算其与历史样本的相似度并得到最近邻样本;利用得到的最近邻样本建立局部最小二乘支持向量机模型并预测当前料位。实验结果表明,该软测量模型可以有效地实时测量球磨机料位并能获得较高的预测精度。

关键词：即时学习软测量不确定性云模型相似性度量最小二乘支持向量机