基于PSO-LSSVM的研究法辛烷值预测建模  

Forecasting Model of Research Octane Number Based on PSO-LSSVM

作　　者：李炜[1] 石连生[1] 梁成龙 

机构地区：[1]兰州理工大学电气工程与信息工程学院,兰州730050 [2]兰州石化分公司油品储运厂,兰州730060

出　　处：《化工自动化及仪表》2008年第2期25-27,31,共4页Control and Instruments in Chemical Industry

基　　金：甘肃省自然科学基金项目(3ZS051-A25-032);甘肃省教育厅高等学校研究生导师科研项目(050301);兰州理工大学特色学术梯队基金项目

摘　　要：针对现存的红外线分析仪表无法在线分析抗爆剂对成品油研究法辛烷值的影响问题,考虑到样本数据较少的因素,提出一种基于粒子群优化的最小二乘支持向量机方法,以粒子群优化的方法来选取最小二乘支持向量机的模型参数,在克服了交叉验证法耗时与盲目性问题的同时,又发挥了最小二乘支持向量机的小样本学习能力强和计算简单的特点,将其应用于汽油调合系统中研究法辛烷值的预测。仿真结果表明,该模型的估计值与实际化验值吻合得较好。BeCause the effect of MMT antiknock to research octane number can＇ t be analyzed by on-line infrared analyzer, and samples were so few, a model integrating PSO （particle swarm optimization）and LS-SVM （least square support vector machine）was proposed. The model parameters were selected by PSO algorithm,instead of cross-validation method,which was time-consuming and blind. Meanwhile, the LS-SVM had good learning ability of small samples. The proposed method has been applied to the prediction of research octane number（RON） in the system of gasoline blending. The simulation results demonstrate the model based on PSO-LSSVM can achieve great accuracy.

关 键 词：汽油调合 辛烷值 粒子群优化 最小二乘支持向量机 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]