基于特征提取和极限学习机的软测量方法

来源期刊：控制工程2013年第1期

论文作者：严东 汤健 赵立杰

文章页码：55 - 58

关键词：优化极限学习机;主元分析;特征提取;软测量;

摘    要：针对建模数据存在的高维、共线性等特征,以及常用的基于人工智能的建模方法存在的模型结构难以确定、学习速度慢等缺点,提出了由基于主元分析(PCA)的特征提取和基于优化极限学习机(OELM)的建模算法两部分组成的软测量方法。采用PCA消除输入变量间的共线性并降低输入变量维数,以提取的线性无关的独立变量作为软测量模型的输入,从而简化模型结构。采用集成极限学习机(ELM)与支持向量机(SVM)算法优点的OELM方法作为建模算法,避免了ELM模型的随机性和SVM模型求解的复杂性。将特征提取方法与OELM方法结合后,提高了软测量模型的训练速度和预测性能。采用所述方法,对混凝土抗压强度的软测量问题进行了实验研究,验证了所提方法的有效性。该方法同时可以应用于基于雷达、光电等高维数据的目标识别,具有广阔的应用前景。