[发明专利]一种基于选择性集成最小二乘支撑向量机的二噁英软测量系统

权利要求书

1.一种基于选择性集成最小二乘支撑向量机的二噁英软测量系统，其特征在于，包括：

基于先验知识预处理模块，用于基于先验知识Know对原始输入变量进行预处理，获得可靠的DXN二噁英建模输入数据基于先验知识Know和建模输入数据的自身特性，得到候选核参数集和惩罚参数集和其中，表示工业现场能够采集的与DXN相关的原始数据，表示经预处理用于建立DXN模型的输入数据，其包括三类来源：MSWI城市固废焚烧过程的输入变量、MSWI过程中的实时可测变量和MSWI排放尾气中的实时可测变量；

候选子子模型构建模块，用于构建数量为K×R的基于LSSVM的候选子子模型集合，可表示为其输入为建模输入数据输出数据y和候选建模参数集合，输出为候选子子模型的预测输出集合其中，是DXN的浓度数据，其来源于在MSWI现场采集样本经实验室离线化验后得到的数据；

候选SEN选择性集成子模型构建模块，用于对具有相同核参数和不同惩罚参数的候选子子模型集合采用BBSEN-AWF方法构建候选SEN子模型集合，其可表示为该模块的输入为候选子子模型预测输出集合和输出数据集合y，其输出为候选SEN子模型的预测输出集合BBSEN-AWF为基于分支定界和自适应加权融合算法的SEN方法；

SEN模型构建模块，用于对候选SEN子模型集合再次采用BBSEN-AWF方法构建最终的SEN-LSSVM模型，其输入为候选SEN子模型的预测输出集合和输出数据集合y，其输出为DXN的预测输出其中，候选子子模型构建模块的处理过程为：

用于LSSVM模型构建的候选建模参数可用如下矩阵表示：

其中，表示建模参数矩阵M_para的第j个元素，即存在J＝K×R是矩阵M_para包含的元素的个数，同时也是基于LSSVM的候选子子模型的个数，.

以第j个建模参数为例，对候选子子模型构建过程进行描述，非线性映射函数将映射到高维特征空间后，LSSVM需要求解如下的优化问题，

其中，w是权重系数，b是偏置，O_LSSVM表示优化目标，ζ_n是第n样本的预测误差，

采用拉格朗日方法求解上述问题，

其中，β＝[β₁,…,β_n,…,β_N]是拉格朗日算子向量，ζ＝[ζ₁,…,ζ_n,…,ζ_N]是预测误差向量，

对上述问题求偏导，

采用核参数为的核函数替代非线性映射

上述问题的求解可改写为如下的线性方程组，

通过求解上述方程组得到β和b，

因此，基于LSSVM构建的第j个候选子子模型可表示为：

为表示的简洁性，上式被重新改写为：

因此，全部候选子子模型的集合可表示为其预测输出集合为

2.如权利要求1所述的基于选择性集成最小二乘支撑向量机的二噁英软测量系统，其特征在于，候选SEN子模型构建模块的工作过程为：

全部候选子子模型的输出集合可改写为下式：

其中，K和R是候选核参数和惩罚参数的个数，

显然，上式表明候选子子模型与其输出间存在如下的对应关系：

公式(10)表明第k行的候选子子模型是基于相同的核参数和不同的惩罚参数构建的，因此，可以进一步的重新改写为

通过选择性的集成公式(12)中每行的基于不同惩罚参数的候选子子模型可以得到候选SEN子模型集合；

以第k行，即为例，构建基于核参数的候选SEN子模型，通过BBSEN-AWF方法，优化选择集成子子模型并计算其权系数，该过程如下所示：

其中，和是公式(13)所示过程所得到的集成子子模型和权系数；是所选择的集成子子模型的数量，即第k个候选SEN子模型的成尺寸，

第k个SEN子模型的输出采用下式计算：

通过重复上述过程K次，得到基于不同核参数的候选SEN子模型集合，其预测输出的可表示为

3.如权利要求2所述的基于选择性集成最小二乘支撑向量机的二噁英软测量系统，其特征在于，SEN模型构建模块的工作过程为：

通过上述过程，可得到基于相同核参数和不同惩罚参数的候选SEN子模型集合，公式(12)可以重新改写为：

由公式(15)可知，通过对候选SEN子模型再次运用BBSEN-AWF方法可得到最终的SEN-LSSVM模型，该过程可表示为：

其中，和是通过公式(16)所选择的集成SEN子模型及其权系数；是所选择的SEN集成子模型数量，即SEN模型的集成尺寸，

最终的SEN-LSSVM软测量f^Sen(·)可表示为：