基于改进AdaBoost的LF炉成分软测量建模.pdf

第卷第期东北大学学报自然科学版.,.
年月.
基于改进的
炉成分软测量建模
孙凤琪
东北大学理学院,辽宁沈阳
摘要:针对现有软测量模型更新方法的不足,将增量学习思想与集成学习思想相结合,提出

了集成神经网络,
一网络的精度,
炉钢水成分软测量模型,取得了较好的预测效果,可以满足实际生产的需要.
关键词: ;神经网络;软测量;集成算法;增量学习
中图分类号: 文献标识码: 文章编号:———



,,,.:,—:
.
: ,

.,


.
一—
, .
:;; ; ;
近年来,集成学习算法在机器学习中得到了要求却很难满足,故需要软测量模型能够具有实
一定的重视,特别是在对分类问题的应用中,
,如滑动窗口、遗忘因子等,都存在着
算法的出现及推广,使得软测量模型精度的提高需要重复载人大量原始训练数据,浪费大量的时
成为可能,也使得软测量模型在工业生产中的应间和资源,或者不能有效地保留前面已经学习到
用被更多实际生产过程所接受. 的信息等不足.
然而,在软测量建模过程中,不论使用何种智针对现有模型更新方法的不足,本文将增量
能算法建立模型,都是为了得到较高的测量精度, 学习的思想与集成学习思想相结合,提
,在软测量出了一种适用于回归问题的具有增量学习性能的
建模实际应用中,由于在训练初期对问题理解的改进集成学习算法,并将该算法与
局限性以及实际应用中问题的高度复杂性,这一神经网络结合,形成了基于改进的集成
收稿日期:.
基金项目:吉林省科技发展计划项目.
作者简介:孙凤琪一,女,吉林桦甸人,东北大学博士研究生,吉林师范大学副教授.
东北大学学报自然科学版第卷
网络,取得了较好的预测效果,完全可以满足样本合并起来重新对原有模型进行训练,这样做
实际生产的需要. 不但非常浪费时间和资源,而且严重地制约了智

算法
特点、
集成学习算法是一种新动窗口方法根据数据到达的时间顺序判断数据与
的机器学习范式,它使用多个通常是同质的学目标概念的相关性,包括和等人
、算法【,
地提高学习系统的泛化能力,因此它成为国际机的—算
器学习界的研究热点,并在各个领域得到了广泛法【.在滑动窗口更新方法中,学习系统着重依
,这部分数据被包含在一个
且研究得最深入的两种集成学习算法族.
,并删除相应数量的旧
的集成学习算法,该算法最早是由在样本,使得在窗口中总保存着固定数量的相对于