模糊支持向量機(jī)算法及其在一次風(fēng)量測(cè)量中的應(yīng)用.pdf

1、支持向量機(jī)(SVM)是由Vapnik等人提出以VC維理論為基礎(chǔ)，以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為原則的算法，它能夠較好的處理分類和回歸問題，表現(xiàn)出很強(qiáng)的學(xué)習(xí)性能和泛化能力。然而由于模糊信息的存在，SVM對(duì)孤立點(diǎn)和噪聲過分敏感，容易出現(xiàn)“過學(xué)習(xí)”現(xiàn)象，因此，許多專家學(xué)者提出了模糊支持向量機(jī)(FSVM)算法。
　　 FSVM以支持向量機(jī)原理和模糊數(shù)學(xué)理論為基礎(chǔ)，對(duì)SVM進(jìn)行改進(jìn)和完善，較好地處理小樣本、非線性、高維數(shù)和局部極小點(diǎn)等問題，削弱了傳統(tǒng)

2、SVM對(duì)噪聲和孤立點(diǎn)敏感的問題，廣泛應(yīng)用于模式識(shí)別、圖像處理、醫(yī)學(xué)、經(jīng)濟(jì)預(yù)警、股票預(yù)測(cè)等方面。本文選取模糊C均值算法(FCM)作為隸屬度函數(shù)的設(shè)計(jì)方法，并放寬隸屬度條件，提出了FCM的改進(jìn)算法，然后選取徑向基核函數(shù)(RBF)和ε-SVR模型結(jié)構(gòu)，其中懲罰因子和松弛變量的最佳參數(shù)值要用交叉驗(yàn)證法來選取，仿真實(shí)驗(yàn)表明該算法具有較好的有效性和精確性。
　　 電廠中一次風(fēng)量準(zhǔn)確、可靠的測(cè)量是保證火電機(jī)組控制系統(tǒng)穩(wěn)定、經(jīng)濟(jì)的運(yùn)行重要因素，

3、然而硬件儀表測(cè)量受現(xiàn)場(chǎng)安裝條件、測(cè)量精度和測(cè)量條件等方面的限制，存在一定的測(cè)量誤差，由此，本文提出應(yīng)用軟測(cè)量方法結(jié)合火電廠的實(shí)際應(yīng)用來測(cè)量一次風(fēng)量。由于在DCS中選取軟測(cè)量建模的樣本數(shù)據(jù)存在一定的模糊性和分散性，本文針對(duì)基于FSVM算法的軟測(cè)量建模方法進(jìn)行研究并對(duì)模型進(jìn)行改進(jìn)，通過機(jī)理分析、相關(guān)系數(shù)分析等方法確定了輔助變量，采用滑動(dòng)平均濾波和數(shù)據(jù)歸一化處理進(jìn)行數(shù)據(jù)預(yù)處理，選用放寬了隸屬度條件的FCM算法計(jì)算樣本隸屬度值，然后對(duì)建模過程中