局部多核支持向量機對煤制甲醇轉換率的預測研究.pdf

1、甲醇是一種用途較為普遍的工業(yè)原料，在我國豐富的煤炭資源大背景下，煤制甲醇成為了制取甲醇的重要途徑。煤制甲醇的核心技術工藝是甲醇合成，其特點是多變量、高度非線性且強耦合。受技術條件與資金短缺的雙重限制，探尋一種有效的方法對甲醇合成過程參數進行控制勢在必行。
　　支持向量機因其能解決小樣本、非線性及高維識別能力等諸多優(yōu)點被應用于機器學習算法中。近幾年，支持向量機在化工領域所起的作用也愈發(fā)重要，借助支持向量機算法進行甲醇轉換率的預測即為

2、本文研究的重點內容。
　　本文主要做了以下研究工作：
　　(1)核函數的選取與核參數的優(yōu)化對支持向量機的性能起著至關重要的作用。通常選用學習能力較強的高斯核作為支持向量機的核函數。但單一核具有一定的局限性，不能對所有的問題都適用。為彌補單一核的這一不足，引入同時兼?zhèn)漭^強學習能力和較高泛化能力的多核學習法。多核函數對處理多維數組、含有噪聲或大樣本數據的效果比單核法更好。經過試驗數據對比，局部多核支持向量機可以利用一個控制模型選

3、擇合適的權重，并用兩步法優(yōu)化核參數與學習模型參數從而使模型精度更高更穩(wěn)定，具備傳統(tǒng)多核算法所不具備的優(yōu)點。因此本文將局部多核算法引入到了甲醇合成工藝的粗甲醇轉化率預測中。
　　(2)由于建立的局部多核支持向量機模型存在誤差，本文引入誤差矯正法，提出了對粗甲醇轉化率預測和誤差預測同步雙重預測法，利用預測誤差模型對粗甲醇轉化率的預測值進行校正，從而達到提高預測準確率的目的。
　　(3)通過對甲醇合成工藝的深入研究，采用平均影響值