融合概率分布和单调性的支持向量回归算法

传统支持向量回归是单纯基于样本数据的输入输出值建模,仅使用样本数据信息,未充分利用其他已知信息,模型泛化能力不强.为了进一步提高其性能,提出一种融合概率分布和单调性先验知识的支持向量回归算法.首先将对偶二次规划问题简化为线性规划问题,在求解时,加入与拉格朗日乘子相关的单调性约束条件;通过粒子群算法优化惩罚参数和核参数,优化目标包括四阶矩估计表示的输出样本概率分布特性.实验结果表明,融合这两部分信息的模型,能使预测值较好地满足训练样本隐含的概率分布特性及已知的单调性,既提高了预测精度,又增加了模型的可解释性.     

基于GA优化的非线性岭回归方法及其在软测量中的应用

提出一种基于遗传算法的非线性岭回归建模方法(GA-NLRR).该方法的核心是先通过RBF的转换实现输入样本的非线性映射,然后用岭回归方法进行线性建模,并采用遗传算法优化岭参数k.该建模方法能很好弥补常规岭回归方法的不足,即无法处理复杂非线性问题和岭参数难确定的问题.将该方法应用于溶剂脱水塔的软测量建模中,仿真研究表明:使用GA-NLRR建立的模型具有很好的预测精度.     

基于新型蚁群算法优化的重油热裂解模型

针对重油热裂解模型的参数估计问题呈高维、高度非线性的特征,提出一种基于新型蚁群算法优化的重油热裂解模型.通过新型蚁群算法优化确定模型参数,获得具有良好预测精度的模型.新型蚁群算法通过将解空间划分成若干子域,并引入遗传操作,实现连续优化问题的寻优.仿真结果表明它具有良好的性能,且优于传统的遗传算法.     

基于多元回归的对苯二甲酸加氢精制宏观动力学模型

针对在间歇反应釜钯/炭催化荆条件下对苯二甲酸(TA)加氢精制反应过程中,各反应因素对反应过程影响复杂、呈高度非线性的特征、且各种反应过程假设难免与真实机理存在出入,提出一种基于多元回归速率常数模型的加氢精制宏观动力学模型方法.该动力学模型,首先基于反应步骤确定动力学模型框架;然后,应用非线性偏最小二乘回归,基于实验数据,以预测性能为指标,挖掘各反应因素与反应速率常数之间的关联模型,进而建立加氢精制反应过程宏观动力学模型.实际应用表明,所建立动力学模型具有良好的拟合精度,其平均相对误差比文献报道值低31.6%.     

控制参数协进化的差分进化算法及其应用

提出一种控制参数协进化的差分进化算法(DE-CPCE),实现算法控制参数随种群搜优进展,自适应动态调整。D E-CPCE算法将控制参数作为原始个体的共生个体,且每一个原始个体都有各自的共生个体;算法在对原优化问题进行差分进化搜优的同时,以原始个体进化效率作为共生个体(即控制参数)的评价,并通过共生个体的差分进化操作实现其协进化。D E-CPCE算法能随优化问题搜优进展,自适应动态调整算法控制参数,实时为算法搜优提供最优的控制参数。仿真研究表明,DE-CPCE算法的控制参数具有动态自适应性;并且在与文中所提及的算法(DE/rand/1,DE/best/1,DE/rand-to-best/1,DE/rand/2,DE/best/2,self-adaptive Pareto DE and self-adaptive DE)比较中,该算法能以较高概率求得全局最优值,且收敛速率快,求得最优解的精度高。同时,应用 DE-CPCE算法估计 SO2催化氧化反应动力学模型参数,结果优于文献报道。      

基于自适应偏最小二乘回归的初顶石脑油干点软测量

提出了一种具有强非线性表达能力的自适应偏最小二乘回归（APLSR）方法,并应用于初顶石脑油干点软测量模型建立.APLSR对于指定的预测对象,将根据样本在自变量空间中的分布,分析它们对预测对象的预报能力,自适应地为各个样本分配权值,然后从加权样本数据中提取和选定PLS成分,实施自适应加权PLSR,从而获得预报性能良好的模型.同时提出将前一时刻初顶石脑油干点人工分析值引入作为模型的自变量,从而进一步提高了软测量模型的预测精度.     

自适应加权最小二乘支持向量机回归及应用

针对软测量建模样本中数据难以避免存在粗差、以及粗差数据对模型性能的影响,提出了一种自适应加权最小二乘支持向量机(AWLS-SVM)回归建模方法。AWLS-SVM基于建模样本数据,根据最小二乘支持向量机回归模型的拟合残差确定各样本的残差权值,根据样本的空间分布确定杠杆权值,进而通过迭代运算,自适应确定各建模样本的权值,在有效减小粗差点对模型性能影响的同时,保留了其所提供的有效信息。仿真实验表明,AWLS-SVM能有效克服粗差样本数据的影响,其模型的预测性能明显优于LS-SVM和径向基函数网络。最后,应用AWLS-SVM建立粗对苯二甲酸中4-CBA含量软测量模型,获得满意结果。     

基于ART-SVR的过程建模及在干点软测量中的应用

针对石油化工生产过程通常呈高度非线性,且生产过程数据呈非连续、具有一定类别特性等特征,提出基于自适应谐振神经网络（adaptive resonance theory,ART）和支持向量回归（support vector regression, SVR）相结合的建模方法（ART-SVR）。首先,基于建模样本,通过ART将样本模式空间分割成若干模式特性相近的子空间;然后,对各子空间分别采用SVR建立各自模型,实现基于样本模式空间分割的“分段”建模。仿真试验和在石脑油干点软测量建模的实际应用表明：ART-SVR模型的拟合精度和预测精度均优于全局SVR模型。     

模糊自适应遗传算法及其在化工中的应用

Considering that the performance of a genetic algorithm (GA) is affected by many factors and their relationships are complex and hard to be described, a novel fuzzy-based adaptive genetic algorithm (FAGA) combined a new artificial immune system with fuzzy system theory is proposed due to the fact fuzzy theory can describe high complex problems. In FAGA, immune theory is used to improve the performance of selection operation. And,crossover probability and mutation probability are adjusted dynamically by fuzzy inferences, which are developed according to the heuristic fuzzy relationship between algorithm performances and control parameters. The experiments show that FAGA can efficiently overcome shortcomings of GA, I.e., premature and slow, and obtain better results than two typical fuzzy Gas. Finally, FAGA was used for the parameters estimation of reaction kinetics model and the satisfactory result was obtained.     

基于蚂蚁智能体调度的混沌搜索算法及化工应用

针对混沌搜索随机性的缺点和遍历性的优点,提出了一种基于蚂蚁智能体调度的混沌搜索算法（chaos optimization algorithm based on ant agent scheduling,CAAS）。该算法将解空间的每维变量都划分成若干子域并分配一定规模的蚂蚁智能体,蚂蚁智能体在各子域中进行混沌搜索。同时,根据每维变量各个子域中信息素浓度决定蚂蚁智能体在各个子域间的转移,以有效克服传统混沌优化算法的随机性,实现快速的全局最优搜索。分别采用传统混沌优化算法和CAAS对标准的非线性连续优化问题进行寻优。结果表明：CAAS的全局搜索性能、收敛速率都明显地优于混沌优化算法。最后,将该算法应用于对羧基苯甲醛含量软测量模型参数估计,取得良好的效果。