基于混沌最小二乘支持向量机的软测量建模

提出一种改进算法，用来解决现有最小二乘支持向量机方法在处理大规模样本软测量建模问题时出现的模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定等问题。对样本集进行预处理，通过计算样本间欧氏距离进行样本相似程度分析，去除样本集中1/3的样本以简化支持向量机模型结构并提高计算速度。定义了一种混沌映射构成混沌系统并分析了其遍历性。应用改进的混沌优化算法优化最小二乘支持向量机模型参数以提高模型的拟合精度和泛化能力。将改进算法用于丙烯腈收率软测量建模中，仿真实验结果表明：模型精度较高，泛化性能好，满足现场测量要求。