论文部分内容阅读
本文提出了一种基于径向基函数的非线性岭回归建模方法(RBF-RR)，该方法首先通过径向基函数(RBF)实现输入样本的非线性变换；然后用岭回归方法剔除非线性变换后样本数据中可能存在的复共线关系，建立回归模型，并采用广义交叉有效性(GCV)逐步估计法来估计岭参数；数值仿真结果表明RBF-RR方法具有很好的非线性描述能力，建立模型的预测精度高于基于RBF的非线性多元回归(RBF-MLR)模型；与常规的BP网络复杂的训练过程相比，此建模方法更简便有效。同时，鉴于广义交叉有效性(GCV)逐步估计法估计岭参数需要人工确定较合理的初始k值，且易陷入局部最优，所以采用遗传算法来优化岭参数k，并进而提出了基于遗传算法的非线性岭回归建模方法(GA-NLRR)，数值仿真结果表明GA-NLRR比RBF-RR具有更优的模型性能。最后应用GA-NLRR分别建立了溶剂脱水塔塔顶酸含量和塔釜水含量的软测量模型，获得满意的结果。