支持向量回归增量学习算法研究及在碳酸钙结晶模拟计算中的应用

摘要

大气中二氧化碳含量对海水组成及海洋生物生存环境的影响，正引起人们的广泛关注。在海水结晶问题的有关研究中，基于传统化学实验方法的分析过程繁琐、实际操作复杂、成本花费较大，如何利用计算机技术对化工领域的一些问题进行仿真计算便成为一个研究热点。本文主要研究了支持向量回归增量学习算法，并将其应用到弱碱下碳酸钙反应结晶过程的模拟计算中。完成的主要工作包括：
　　（1）研究了增量学习方法、统计学习理论、支持向量机以及碳酸钙结晶问题的核心知识，分析了碳酸钙反应结晶的化学实验数据，探讨了将增量学习过程应用到?-支持向量回归算法中的方法，完成了增量学习方法与支持向量回归算法相结合的理论推导。
　　（2）在Syed所提出的支持向量机增量学习方法的基础上，使用密度选择因子优化训练样本，并利用双重加权惩罚的方法来增强支持向量在增量学习过程中的作用，进而弱化因样本舍弃而导致的误差问题。最后，本文提出了基于样本选择的双重增量支持向量回归算法（Sample Selectivity Dual Incremental Learning with Support Vector Regression, SSDISVR），通过对UCI数据集上不同数据样本的不断学习，验证了该算法模型的可行性与有效性，并且通过与经典的SVR和ISVR算法的对比实验表明，本文方法缩短了平均训练时间，同时算法精度得到一定提升。
　　（3）将本文所提出的改进算法应用到弱碱下碳酸钙反应结晶的模拟计算中，针对不同温度、浓度、镁离子/钙离子比下的实验数据，进行了相应的仿真实验，其拟合分析结果证明了基于样本选择的双重增量支持向量回归算法具有较好的综合性能。同时，为了便于实际应用，本文进行了碳酸钙结晶模拟计算相关软件的开发工作。

目录

声明

第一章 绪论

1.1 背景知识

1.2 机器学习下碳酸钙反应结晶问题的研究

1.3 本文主要研究内容

1.4 本文的组织结构

第二章 支持向量回归增量学习算法

2.1 统计学习理论中的机器学习问题

2.2 支持向量回归

2.3 支持向量回归增量学习方法

第三章 基于样本选择的双重增量支持向量回归算法

3.1 常见的几种支持向量机增量学习算法

3.2 基于样本选择的双重增量支持向量回归学习方法

3.3 实验结果与分析

第四章 SSDISVR算法在碳酸钙结晶模拟计算中的应用

4.1 碳酸钙结晶的实验简介

4.2 SSDISVR算法的应用

4.3 模拟实验结果与分析

第五章 碳酸钙结晶数据模拟软件的设计与开发

5.1 系统相关技术和开发环境

5.2 需求分析

5.3 系统总体设计

5.4 界面设计与实现

第六章 结论

6.1 总结

6.2 下一步工作

参考文献

攻读学位期间所取得的相关科研成果

致谢