《计算机应用研究》|Application Research of Computers

改进粒子群优化的极限学习机软测量建模方法

Soft sensor modeling for extreme learning machine based on improved particle swarm optimization

免费全文下载 (已被下载 次)  
获取PDF全文
作者 盛晓晨,史旭东,熊伟丽
机构 江南大学 物联网工程学院;轻工过程先进控制教育部重点实验室
统计 摘要被查看 次,已被下载
摘要 工业过程常含有显著的非线性、时变等复杂特性,传统的极限学习机有时无法充分利用数据信息,故所建软测量模型预测性能较差。为了提高极限学习机的泛化能力和预测精度,提出一种改进粒子群优化的极限学习机软测量建模方法。首先,利用高斯函数正态分布的特点实现惯性权重的自适应更新,并线性变化学习因子,以提高粒子群优化算法的收敛速度和搜索性能;然后,将该算法用于优化极限学习机的惩罚系数和核宽,得到一组最优超参数;最后,将该方法应用于脱丁烷塔过程软测量建模中。仿真结果表明,优化后的极限学习机模型预测精度有明显的提高,验证了所提方法不仅是可行的,而且具有良好的预测精度和泛化性能。
关键词 软测量建模;极限学习机;粒子群优化算法;自适应权重
基金项目 国家自然科学基金资助项目(61773182)
江苏高校优势学科建设工程资助项目(PAPD)
本文URL http://www.arocmag.com/article/02-2020-06-007.html
收稿日期
修回日期
页码 -
中图分类号 TP273
文献标志码