ELM岭回归软测量建模方法  

Soft sensor modeling method of extreme learning machine ridge regression

作　　者：王改堂[1] 李平[2] 苏成利[2] 

机构地区：[1]西北工业大学自动化学院,陕西西安710072 [2]辽宁石油化工大学信息与控制工程学院,辽宁抚顺113001

出　　处：《合肥工业大学学报（自然科学版）》2011年第8期1150-1154,共5页Journal of Hefei University of Technology：Natural Science

基　　金：辽宁省高等学校优秀人才支持计划资助项目(2008RC32);辽宁省高校创新团队支持计划资助项目(2007T1032009T062);辽宁省教育厅科技计划资助项目(2008386)

摘　　要：ELM(极限学习机)是一种新型的前馈神经网络,可有效处理函数的回归问题。针对ELM学习算法隐含层输出可能存在的复共线性问题,提出了ELM岭回归(ELMRR)软测量建模方法。该算法利用岭回归方法代替原有的线性回归算法,以误差平方和均值为性能指标,采用粒子群优化算法确定最佳岭参数,克服了传统岭回归算法最佳岭参数难以确定的缺点。通过具体实例对该算法进行了验证,结果表明该算法是有效可行的。最后采用ELMRR软测量建模方法预测延迟焦化粗汽油干点,获得了满意的结果。与ELM相比,ELMRR建模方法具有较好的预测精度和良好的应用前景。As a new type of feedforward neural network,the extreme learning machine（ELM） is applied to dealing with function regression.A soft sensor modeling method of ELM Ridge Regression（ELMRR） is proposed to solve the multicollinearity problem existing in the output layer nodes of ELM learning algorithm.The new algorithm makes use of the ridge regression instead of the previous linear regression,and uses the particle swarm optimization algorithm to optimize ridge parameters according to root mean square error（RMSE） so as to overcome the main flaw in traditional ridge regression that is difficult to obtain the global optimal ridge parameter.The effectiveness and feasibility of the algorithm are shown by an example.The proposed ELMRR soft sensor modeling method has been applied to predicting the gasoline end point in delayed coking and satisfying results are obtained.The experimental results show that the ELMRR modeling method has better prediction precision and good prospect of application compared to ELM method.

关 键 词：极限学习机 岭回归 ELM岭回归 软测量 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]