文献类型：期刊文章

作　　者：李哲[1] 田学民[1]

机构地区：[1]中国石油大学信息与控制工程学院电子信息工程系,山东东营257061

出　　处：《化工学报》

基　　金：国家高技术研究发展计划项目(2004AA412050)~~

年　　份：2008

卷　　号：59

期　　号：4

起止页码：941-946

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAS、CSCD、CSCD2011_2012、EI(收录号：20082011256237)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出一种基于辅助变量最近邻(KNN)分析的软测量建模方法,该方法将KNN算法应用于辅助变量分类,根据分类结果,应用核主成分分析(KPCA)和支持向量回归机(SVR)相结合进行软测量建模。KNN分析独立于后继回归模型,却又直接影响模型结构,KPCA作为中间层,在KNN分类结果指导下提取不同类别包含辅助变量高阶信息的特征主元,然后使用SVR建立特征主元和主导变量之间的回归模型。用该方法建立粗汽油干点软测量模型,结果表明KNN-KPCA-SVR(KKS)模型的预测精度和泛化能力优于线性PLS、RBF核函数SVR和KPCA-SVM模型。

关 键 词：软测量 主元分析 核主元分析 支持向量机  K-最近邻算法

分 类 号：TP273]