| 基于支持向量机的炭黑工艺建模 |
| |
| 引用本文： | 李梦龙,刘军红,黎金明,陆敏春,王克龙.基于支持向量机的炭黑工艺建模[J].应用基础与工程科学学报,2005,13(1):51-57. |
| |
| 作者姓名： | 李梦龙 刘军红 黎金明 陆敏春 王克龙 |
| |
| 作者单位： | 四川大学化学学院,四川,成都,610064 |
| |
| 基金项目： | 国家自然科学基金资助项目(No.29877016) |
| |
| 摘 要： | 将支持向量用于炭黑工艺建模，并与主成分回归、反向传播人工神经网络以及径向基神经网络建模方法相比较．结果表明，炭黑生产过程具有比较强的非线性，不适合用主成分回归方法建立模型，支持向量机对炭黑吸碘值和吸油值的相对预测误差分别为1．62％和1．31％，所构建的模型的预测准确度明显优于反向传播人工神经网络(2．54％，1．64％)，稍优于径向基神经网络(1．85％，1．38％)。
|
| 关 键 词： | 支持向量机 工艺建模 炭黑 径向基神经网络 人工神经网络 反向传播 主成分回归 建模方法 生产过程 回归方法 非线性 吸油值 吸碘值 准确度 模型 预测 |
| 文章编号： | 1005-0930(2005)-01-0051-07 |
| 修稿时间： | 2004年11月8日 |
Modeling Carbon-black Production Based on Support Vector Regression |
| |
| LI Menglong,LIU Junhong,LI Jinming,LU Minchun,WANG Kelong.Modeling Carbon-black Production Based on Support Vector Regression[J].Journal of Basic Science and Engineering,2005,13(1):51-57. |
| |
| Authors: | LI Menglong LIU Junhong LI Jinming LU Minchun WANG Kelong |
| |
| Abstract: | Support vector regression (SVR) is applied to the modeling of carbon-black production, and is compared with principal component regression (PCR), artificial neural network with error back-propagation (ANN-BP) and radial basis function network (RBFN). The results indicate that there is strong nonlinearity in the production of carbon-black, PCR is not suitable to make the model. The relative prediction error of SVR of iodine absorption value and DBP absorption value is 1.62% and 1.31%, respectively, which is obviously better than those of ANN-BP (2.54%, 1.64%) and slightly better than those of RBFN (1.85%, 1.38%). |
| |
| Keywords: | support vector machine neural network carbon black iodine absorption value DBP absorption value |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
