计算机应用研究

作者：盛晓晨,史旭东,熊伟丽,

单位：江南大学a.物联网工程学院;b.轻工过程先进控制教育部重点实验室,江苏无锡214122；

关键词：软测量建模,极限学习机,粒子群优化算法,自适应权重,

基金：国家自然科学基金资助项目(61773182)；江苏高校优势学科建设工程资助项目(PAPD)；；

工业过程常含有显著的非线性、时变等复杂特性，传统的极限学习机有时无法充分利用数据信息，所建软测量模型预测性能较差。为了提高极限学习机的泛化能力和预测精度，提出一种改进粒子群优化的极限学习机软测量建模方法。首先，利用高斯函数正态分布的特点实现惯性权重的自适应更新，并线性变化学习因子以提高粒子群优化算法的收敛速度和搜索性能；然后将该算法用于优化极限学习机的惩罚系数和核宽，得到一组最优超参数；最后将该方法应用于脱丁烷塔过程软测量建模中。仿真结果表明，优化后的极限学习机模型预测精度有明显的提高，验证了所提方法不仅是可行的，而且具有良好的预测精度和泛化性能。

来源：2020年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第6期