基于主元提取的鲁棒极限学习机研究及其化工建模应用

摘要

化工生产过程日益复杂,传统极限学习机(extreme learning machine,ELM)无法有效地对化工过程数据建模.针对该问题,提出一种基于主元提取(principal components extraction,PCE)的鲁棒极限学习机(PCE-RELM).通过对ELM隐含层进行主元分析,提取数据的主元特征,去除变量间的线性相关性,简化研究问题.可以减小隐含层节点数对模型精度的影响,实现对ELM隐含层节点数的快速随机选取,同时使ELM具有鲁棒性.为验证提出方法的有效性,将PCE-RELM模型应用于精对苯二甲酸(purified terephthalic acid,PTA)生产过程建模.仿真结果显示,相比传统的ELM,PCE-RELM模型具有设计简单、鲁棒性好、精度高等优势,可以对化工过程控制、分析起到指导作用.