基于ART-SVR的过程建模及在干点软测量中的应用

针对石油化工生产过程通常呈高度非线性，且生产过程数据呈非连续、具有一定类别特性等特征，提出基于自适应谐振神经网络（adaptiveresonancetheory，ART）和支持向量回归（supportvectorregression,SVR）相结合的建模方法（ART-SVR）。首先，基于建模样本，通过ART将样本模式空间分割成若干模式特性相近的子空间;然后，对各子空间分别采用SVR建立各自模型，实现基于样本模式空间分割的“分段”建模。仿真试验和在石脑油干点软测量建模的实际应用表明：ART-SVR模型的拟合精度和预测精度均优于全局SVR模型。