基于软测量技术的化学信息学相关问题研究

发布时间：2017-10-15 10:40

  本文关键词：基于软测量技术的化学信息学相关问题研究

  更多相关文章： 软测量 化学信息学 相关向量机 模糊单调模型 快速估计模型

【摘要】：随着计算机学科和化学工业的不断发展,化学信息学应运而生。化学信息学的研究领域中,化学工业生产一直是研究的热点和重点内容。在实际的工业过程中,数据处理过程极其繁琐,存在诸多不稳定因素如:多变量耦合、参数时变、强非线性、大滞后等特点。这些不稳定因素的存在使得传统传感器在实际应用中无法得到高效应用,无法对重要变量取得快速精准的测量,生产过程中无法得到有效优化和诊断。软测量技术是跨时代的新型智能检测技术,广泛的应用在工业过程测控系统中并具有广阔的应用发展前景。本文以冶炼烟气制酸干吸工段中酸浓度检测的问题过程为背景,对软测量建模方法进行了研究。针对于传统软测量建模方法存在的适用范围小、精度低、鲁棒性不强等问题,为了解决这些问题本文研究了基于相关向量机的软测量建模方法,仿真结果验证了该方法的有效性。本文介绍了软测量技术基本原理,分析了对软测量技术研究的目的和意义,概述了目前国内外专家学者的研究成果和发展,对软测量技术常用的解决方案和面临的难点进行了阐述,深入分析了机器学习算法在软测量上的应用,并针对难点总结了目前世界上常用的解决方法。研究了相关向量机原理及其回归软测量模型,由于数据的维数较高,对模型的训练带来了复杂困难的难题,本文采用了一种对属性约简的方法,对输入数据数量进行简化,得到了几类对预测结果影响偏大的相关输入属性。在此基础上,提出了一种优化的相关向量机的软测量模型。通过仿真结果可知,用该算法建立的软测量模型方便有效,预测精度准确。为了有效提高化学工业生产过程中的预测效率,并保持预测精度。可以利用“相关向量”在相关向量机中低比重的特征。在阈值系数和最大上限约减相结合的基础上,通过迭代估计方法对训练数据样本的超参进行有效的快速估计,这样可以去除训练数据中诸多的非相关向量,同样也缩小了训练样本的规模,极大缩短了模型训练的时间,在此基础之上提出基于快速估计的相关向量机软测量技术。实验结果表明,提升了硫酸浓度检测速率,并保持了精度。
【关键词】：软测量 化学信息学 相关向量机 模糊单调模型 快速估计模型
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP274
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 课题研究的目的和意义10-11
• 1.2 软测量技术的研究概况11-15
• 1.2.1 国外研究现状11-13
• 1.2.2 国内研究概况13-15
• 1.3 本课题研究的主要内容15-16
• 1.3.1 课题来源15
• 1.3.2 课题的主要研究内容15-16
• 第2章 软测量技术概述和相关向量机原理分析16-28
• 2.1 软测量技术概述和分析16-22
• 2.1.1 软测量技术基本原理16-17
• 2.1.2 软测量技术框架及其开发流程17-19
• 2.1.3 软测量的建模方法19-22
• 2.2 相关向量机原理与分析22-27
• 2.2.1 相关向量机算法的产生22-23
• 2.2.2 相关向量机基础理论23-24
• 2.2.3 相关向量机回归模型24-27
• 2.3 本章小结27-28
• 第3章 基于一种改进相关向量机的软测量技术28-39
• 3.1 模糊单调模型28-30
• 3.1.1 集合的理论基础28
• 3.1.2 模糊单调模型定义28-30
• 3.2 相同距离区间划分法30-31
• 3.3 基于区间最小值的模糊单调属性约简算法31-35
• 3.3.1 基于区间最小值的模糊单调依赖关系定义31-32
• 3.3.2 基于区间最小值的模糊单调属性约简算法32
• 3.3.3 基于模糊递增算法的数据属性约简32-35
• 3.4 硫酸浓度预测的RVM模型仿真与结果35-38
• 3.5 本章小结38-39
• 第4章 基于快速估计相关向量机的软测量技术39-50
• 4.1 快速估计方法39-44
• 4.1.1 迭代估计39-40
• 4.1.2 超参的阈值系数40-42
• 4.1.3 控制约减样本数量的上限42-44
• 4.2 改进后的相关向量机44-45
• 4.3 算法实验及结果分析45-49
• 4.3.1 实验设计45-46
• 4.3.2 实验结果及分析46-49
• 4.4 本章小结49-50
• 结论50-51
• 参考文献51-56
• 攻读硕士学位期间发表的学术论文56-57
• 致谢57

【参考文献】

中国期刊全文数据库 前10条

1 朱鹏飞;夏陆岳;潘海天;;基于软测量技术的间歇聚合过程质量控制[J];计算机与应用化学;2015年08期

2 陈全亮;廖戎;罗建斌;周庆翰;万静;杨胜韬;何达海;石治川;;化学信息学教学的探索与实践[J];广东化工;2015年15期

3 刘思成;李奇安;;芳烃抽提过程收率软测量技术应用[J];自动化与仪器仪表;2015年04期

4 邵学广;朱维良;吴海龙;李晓霞;徐筱杰;;计算(机)化学学科进展(2011-2013)[J];化学通报;2014年07期

5 梁瑾;罗飞;许玉格;;基于决策表的模糊粗糙单调依赖算法及其应用[J];华南理工大学学报(自然科学版);2011年07期

6 朱群雄;郎娜;;工业软测量模型结构与输入变量选择的研究[J];控制工程;2011年03期

7 李晓霞;郭力;袁小龙;夏诏杰;聂峰光;;Internet推动的化学信息学重要进展[J];化学进展;2008年12期

8 俞金寿;;软测量技术及其应用[J];自动化仪表;2008年01期

9 孔建益;李公法;熊禾根;蒋国璋;杨金堂;王兴东;侯宇;;工业生产中软测量建模方法及其应用研究[J];机床与液压;2007年06期

10 贺毅;赵望达;刘勇求;;基于先进信息处理技术的软测量应用探讨[J];工业计量;2006年02期

，

本文编号：1036671