基于支持向量机的故障过程趋势预测研究  

Fault Process Trend Prediction Based on Support Vector Machines

作　　者：马笑潇[1] 黄席樾[1] 柴毅[1] 

机构地区：[1]重庆大学自动化学院,重庆400044

出　　处：《系统仿真学报》2002年第11期1548-1551,共4页Journal of System Simulation

基　　金：国家教育部高等学校博士学科点专项科研基金资助项目(99061116)

摘　　要：提出了运用SVM机器学习方法进行故障过程趋势预测的方法,并设计了一个实用的SVM回归算法对“Tennessee Eastman”工厂的实际数据进行仿真研究。结果表明,用SVM方法进行故障过程趋势预测,具有较强的抗噪能力,在样本量有限情况下,采用e-不敏感损失函数得到的回归结果具有较高的实用价值。通过大量实验,给出了e取值不同对估计结果的影响的一个具体实验结果,分析了e取值对支持向量数目的控制作用。A new fault trend prediction method based on support vector machines is presented and a practical regressive algorithm is designed. Simulation results on the real process data of 慣ennessee Eastman ?plant prove this new method has good potential to achieve fault prediction, especially for the case of limited training set. In addition, a concrete experiment illustrating the influence of various e parameters is implemented and the control ability to the number of support vectors is analyzed.

关 键 词：支持向量机 故障过程 趋势预测 化工过程 反应器 Ε-不敏感损失函数 仿真 

分 类 号：TQ052.5[化学工程] TP39[自动化与计算机技术—计算机应用技术]