典型文献
KPCA-GPR模型在常压塔塔顶汽油干点预测中的应用
文献摘要：
由于常减压蒸馏过程的复杂多变性,过程变量耦合严重,直接建模会增加问题分析的难度.为了提高模型性能,首先采用核主元分析(KPCA)算法对模型的变量进行选择,再将经过处理的数据作为高斯过程回归(GPR)模型的输入,采用KPCA-GPR模型建立常压塔塔顶汽油干点的估计模型.该方法可解决不同变量之间的非线性相关性,并且具有灵活的非参数推广及超参数自适应调节等优点,通过计算经验置信区间,不仅可以对汽油干点进行预测估计,还可以做概率解释.仿真结果表明,KPCA-GPR模型取得了较好的估计结果.
文献关键词：
软测量;核主成分分析;稀疏核主成分分析;最小二乘支持向量机;汽油干点
中图分类号：
作者姓名：
郭丽莹;郎宪明
作者机构：
辽宁石油化工大学 信息与控制工程学院,辽宁 抚顺 113001
文献出处：
引用格式：
[1]郭丽莹;郎宪明-.KPCA-GPR模型在常压塔塔顶汽油干点预测中的应用)[J].辽宁石油化工大学学报,2022(06):73-77
A类：
稀疏核主成分分析
B类：
KPCA,GPR,常压塔,塔顶,汽油干点,点预测,常减压蒸馏,多变性,直接建模,模型性能,核主元分析,高斯过程回归,决不,非线性相关性,非参数,超参数,参数自适应,自适应调节,置信区间,概率解释,软测量,最小二乘支持向量机
AB值：
0.295448
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
