增强操作工况识别可靠性的概率PLS-ELM方法

摘要：

　　复杂工业过程操作工况的有效识别对生产运行安全和操作优化至关重要。针对临近边界区域操作工况识别结果不稳定问题，提出一种基于贝叶斯理论的概率偏最小二乘极限学习机（p-PLS-ELM)分类算法。p-PLS-ELM方法通过鲁棒性强的偏最小二乘极限学习机(PLS-ELM)降低输出预报的不确定性，同时应用非线性最小二乘法估计概率密度函数参数，结合贝叶斯决策进一步增强临界区域识别结果的可靠性。以某污水处理厂操作工况识别为研究背景，实验结果表明p-PLS-ELM方法识别结果的可靠性和准确性相对优于偏最小二乘极限学习机分类方法。

关键词： 操作工况 有效识别 贝叶斯理论 PLS-ELM方法

作者: 赵立杰 柴天佑 袁德成 刁晓坤

作者单位: 沈阳化工大学信息工程学院，沈阳 110042 东北大学流程工业综合自动化国家重点实验室, 沈阳 110819 东北大学流程工业综合自动化国家重点实验室, 沈阳 110819 沈阳化工大学信息工程学院，沈阳 110042

会议类型: 国内会议

会议名称: 第23届过程控制会议

会议地点: 厦门

会议语种:中文

页码: 1-6

在线出版日期: 2012-08-01（万方平台首次上网日期，不代表论文的发表时间）