[发明专利]基于支持向量机的软测量仪表建模方法

摘要

一种基于支持向量机的软测量仪表建模方法。用于测量技术领域。包括两个部分：基于支持向量机的软测量仪表建模输入与输出的影射关系由支持向量机来完成，可测变量、对象的控制输入以及对象可测输出变量作为软测量仪表的输入变量，被估计变量的最优估计为输出，在具体建立软测量模型时，从输入变量中选择一组与主导变量密切相关的一组二次变量，作为支持向量机的输入，离线分析计算值或大采样间隔的测量值作为软测量模型的输出；在进行支持向量机软测量建模时，首先利用正规化参数的后验分布和极值原理，迭代确定标准支持向量机和最小二乘支持向量机的正规化参数，然后在贝叶斯第三准则下，迭代确定准支持向量机和最小二乘支持向量机的核参数。

主权项

1、一种基于支持向量机的软测量仪表建模方法，其特征在于，包括两个部分：第一、基于支持向量机的软测量建模基于支持向量机的软测量仪表建模属于黑盒子一类的模型，输入与输出的影射关系由支持向量机来完成，可测变量X、对象的控制输入u以及对象可测输出变量y作为软测量仪表的输入变量，被估计变量的最优估计为输出，在具体建立软测量模型时，从输入变量中选择一组与主导变量密切相关的一组二次变量，作为支持向量机的输入，离线分析计算值或大采样间隔的测量值Y作为软测量模型的输出，用$f\left(x\right)=\underset{i=1}{\overset{l}{\Sigma }}{a}_{i}K(x,x_i)+b$ 实现输入输出的非线性函数关系；第二、最优模型的选择在进行支持向量机软测量建模时，软测量模型中有两类参数，即正规化参数和核参数，是非常重要的参数，最优参数选择方法如下：(一)确定模型的最优正规化参数贝叶斯推断分为三个准则，在贝叶斯第二准则下，利用贝叶斯参数推断模型对正规化参数进行推断，首先假设训练数据是独立同分布的，参数的分布满足高斯分布，然后根据贝叶斯定理，得到正规化参数的后验分布，将正规化参数转换为参数有效数的函数，最后利用极值原理确定标准支持向量机和最小二乘支持向量机回归估计算法的正规化参数；(二)确定模型的最优核参数在贝叶斯第三准则下，支持向量机分类算法的最优核参数选择属于贝叶斯参数估计理论对核参数的推断估计，是模型比较的过程，首先利用贝叶斯定理，得到核参数的后验分布，然后利用极值原理最大化模型的后验，最后得到高斯核标准支持向量机和最小二乘支持向量机回归估计算法的最优核参数。