FVS-KELM方法在化工过程软测量建模中的应用

摘要

针对强非线性、复杂的化工过程软测量建模问题,提出一种基于特征向量选取(FVS)与核极限学习机(KELM)结合的方法.通过核方法将输入数据映射在高维空间,选出一组最大无关的数据向量作为特征空间,并将原始数据投影在该特征空间上,形成新的输入数据,基于KELM建立软测量模型,KELM无须设定网络隐含层节点的数目,以核函数表示未知的隐含层非线性特征映射,具有良好的泛化能力.为验证所提出方法的有效性,将该方法应用于脱丁烷塔的软测量实例建模中.在同等条件下与KELM,KPCA-KELM,FVS-SVM和FVS-LR等方法进行比较,结果表明,FVS-KELM方法具有最高的相关系数和建模精度,在化工生产中有优势.