叠加支持向量机及其在醋酸精馏软测量中的应用

针对在高维输入空间数据点的异常稀疏性（维数灾难）会导致支持向量机回归模型产生偏差的问题，提出了一种基于叠加模型的支持向量机回归方法——叠加支持向量机回归（AddSVR）。AddSVR的实现是通过对每一维输入进行核化，然后将每一个核空间进行叠加得到，基于叠加模型可以克服维数灾难的问题，使得其在处理高维问题时估计偏差减小。为了更方便、迅速地实现AddSVR，还提出了对支持向量机的一种简化的二次规划描述。将AddSVR用于醋酸共沸精馏中塔底醋酸组分的预测，仿真实验结果表明，AddSVR模型与传统的SVR和最小二乘支持向量机回归(LSSVM)模型相比有更好的预测效果。