%0 Journal Article %A 郭丽莹 %A 郎宪明 %A 李文娜 %T SKPCA⁃LSSVM模型在汽油干点预测中的应用 %D 2022 %R 10.3969/j.issn.1672-6952.2022.03.013 %J 辽宁石油化工大学学报 %P 74-78 %V 42 %N 3 %X

常压塔塔顶汽油干点与产品质量密切相关,因为常减压蒸馏工艺流程和变量相关性均复杂,所以汽油干点预测很难在线进行。软测量方法是解决这类变量估计和控制预测问题的一种技术途径。在核主元分析(KPCA)算法中引入稀疏主元分析(SPCA)思想,采用稀疏核主元分析(SKPCA)算法对模型的输入变量进行选择,实现了数据的非线性降维,简化了主元结构,增加了主元变量的稀疏性。将选择的稀疏主成分作为最小二乘支持向量机(LSSVM)的输入,建立常压塔塔顶干点软测量预测模型。仿真结果表明,SKPCA?LSSVM模型相对于传统PCA?LSSVM、KPCA?LSSVM方法具有较高的预测精度和性能优越性。

%U http://journal.lnpu.edu.cn/CN/10.3969/j.issn.1672-6952.2022.03.013