基于改进的CEEMD与混合核RVM的区间预测应用研究
随着工业过程更具复杂化，变量多样化，加之对产品质量要求提高，从而对工艺过程中关键变量的预测与监控有了更高的要求。以往单纯依靠变量点预测的精度来评价系统，已经不能满足实际的应用需求。区间预测作为一种概率预测方法，不仅能够预测精度，而且能够预测趋势，为系统的不确定性提供可靠性分析。同时，伴随着工业数据存在高噪声、波动性、复杂性和不规则性等特性，变量的预测与监控变得更加困难。因此，本课题针对工业过程高噪声、数据非平稳性问题，开展区间预测方法研究工作，具体内容如下: (1)针对高噪声、数据非平稳性等问题，提出一种改进的互补集成经验模态分解去噪方法，该方法主要将互补集成经验模态分解与样本熵(CEEMD-SE)融合，对数据进行模态分解，将分解出来的分量进行复杂性分析，并依据样本熵值重构分量得到噪声，周期，趋势三部分，剔除其中的噪声分量，达到去噪的目的。 (2)针对提升预测模型精度，本文提出了一种改进的混合核相关向量机模型(MRVM，Mixed RVM)。MRVM主要利用线性核函数和高斯核两核的占比，来综合衡量核函数在RVM结构中的重要性，采用核密度估计方法对MRVM中的核参数进行优化计算。 (3)针对关键变量的趋势预测以及系统的可靠性评价，本文提出了一种融合CEEMD、SE与MRVM的区间预测方法。利用两个实际工业过程:HDPE、PTA溶剂系统进行建模，实验结果表明目的方法在点预测精度上有一定的提升;在区间预测方面获得较好的区间覆盖率和较窄的区间宽度范围，并且在多步区间预测中依然保持很好的预测效果，为预测系统中关键变量趋势带来了新的方法，为系统的不确定性提供了可靠性分析。
工业控制;区间预测;样本熵;互补集成经验模态分解;相关向量机模型
北京化工大学
硕士
控制工程
徐圆
2018
中文
TB114.2
85
2018-08-29（万方平台首次上网日期，不代表论文的发表时间）