基于最小二乘支持向量机的油品质量预测
最小二乘支持向量机(LS-SVM)是传统支持向量机(SVM)的一种改进,它是将原始空间中的不等式约束改为等式约束,由此将解二次规划问题转化为求解线性方程组问题,降低了计算的复杂性,提高了求解问题的速度和收敛精度.本文以某炼油厂加氢装置的现场数据为基础,利用最小二乘支持向量机建立了轻柴油的凝点,闪点,95﹪馏出温度等3个关键指标的预测模型,最后验证了用最小二乘支持向量机建立的油品质量预测模型能快速的得到有效信息,从而为实现质量指标的实时预估和故障诊断奠定了基础。
最小二乘 支持向量机 神经网络 油品质量预测 实时预估 故障诊断
李方方 赵英凯 贾玉莹 杜杰
南京工业大学自动化学院,南京210009 南京工业大学信息学院,哈尔滨150001
国内会议
哈尔滨
中文
432-435
2006-08-07（万方平台首次上网日期，不代表论文的发表时间）