基于子时段LS-SVM的PVC树脂颗粒质量预测
针对聚合过程多阶段、高度非线性和质量测量值不能在线获得等特点，本文采用基于阶段的最小二乘支持向量机(LS-SVM)对PVC树脂颗粒平均粒径进行预测研究，首先采用分类算法对三维数据空间时间片PCA负载矩阵进行分析，根据相关性变化把过程划分为几个子时段，然后确定与质量变量密切相关的阶段，在确定的阶段内用相关分析确定互不相关的变量作为模型输入，再采用LS-SVM方法建立质量预测模型，所采用方法能克服传统方法所建模型的单一性及不能有效提取过程的非线性等缺点，应用结果表明了该方法的有效性。
氯乙烯树脂 聚合过程 颗粒质量 粒径预测 分类算法
郭小萍 赵文丹 李元
沈阳化工学院信息工程学院,辽宁沈阳110142
国内会议
北京
中文
5130-5133
2010-07-29（万方平台首次上网日期，不代表论文的发表时间）