• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      混合核函數(shù)相關(guān)向量機在污垢預(yù)測中的應(yīng)用

      2019-05-09 09:47:06解紅剛解紅永杜雅君譚富軍梁金龍
      山東電力技術(shù) 2019年4期
      關(guān)鍵詞:污垢阻值高斯

      解紅剛,解紅永,杜雅君,譚富軍,梁金龍

      (1.內(nèi)蒙古超高壓供電局,內(nèi)蒙古 呼和浩特010080;2.國網(wǎng)天津靜海供電有限公司,天津 300000)

      0 引言

      在當(dāng)今工業(yè)化生產(chǎn)過程中由于換熱設(shè)備結(jié)垢而造成的損失是巨大的,Steinhagen等人對新西蘭上千家企業(yè)的3 000臺各種類型換熱器的通信調(diào)查表明,90%以上的換熱器都存在不同程度的污垢問題[1]。污垢是指在與流體相接觸的固體表面上逐漸積聚起來的固態(tài)物質(zhì),通常以混合物的形態(tài)存在[2]。根據(jù)西方發(fā)達(dá)國家調(diào)查,換熱設(shè)備污垢給工業(yè)發(fā)達(dá)國家所造成的損失平均占國民生產(chǎn)總值的0.3%。對于發(fā)展中國家,由于技術(shù)、設(shè)備本身相對比較落后,以及環(huán)境污染對冷卻水介質(zhì)造成的嚴(yán)重污染,由污垢造成的損失更嚴(yán)重。減少污垢危害也是對倡導(dǎo)發(fā)展低碳、節(jié)能經(jīng)濟的有效支持。

      污垢的形成是極其復(fù)雜的過程,影響其形成的因素眾多。對污垢的研究主要包括3個部分:污垢預(yù)測、污垢監(jiān)測以及污垢對策。污垢預(yù)測,是污垢監(jiān)測和污垢對策的基礎(chǔ)。從80年代,Epstein通過矩陣對污垢形成的過程的理論分析和實驗研究做了概括[3],到近年來,灰色理論,神經(jīng)網(wǎng)絡(luò),模糊理論等各種算法在污垢預(yù)測中應(yīng)用,雖然取得了很大的成果,但仍然存在著一些不足。

      支持向量機(Support Vector Machine,SVM)是在20世紀(jì)90年代由Vapnik等人提出來的基于小樣本統(tǒng)計學(xué)理論的機器學(xué)習(xí)算法[4]。SVM克服了其他智能算法的一些缺點,但也存核函數(shù)選取必須滿足Mercer條件等不足之處。SVM中核函數(shù)的選取通常局限于某單一的核函數(shù),并非局部核函數(shù)就是全局核函數(shù),有一定的限制性。而混合核函數(shù)既有局部核函數(shù)的強插值能力以及善于提取局部樣本的特性,又吸取了全局核函數(shù)善于提出全局樣本的特性[5]。李可軍、徐延順等人將混合核函數(shù)應(yīng)用到變壓器頂層油溫預(yù)測模型的建立[6]。

      相關(guān)向量機(Relevance Vector Machine,RVM)是Tipping M.E.在2001年基于貝葉斯框架下提出的[7-9]。相對于SVM,RVM不僅可以獲得二值輸出,而且可以概率輸出。在核函數(shù)的選取上RVM不受Mercer條件限制,而且RVM的訓(xùn)練樣本時間比較短。段青、趙建國等人將組合核函數(shù)相關(guān)向量機應(yīng)用到電力負(fù)荷預(yù)測[10]。陳程、聶德鑫等人基于支持向量機對變壓器故障進行診斷[11]。將混合核函數(shù)和相關(guān)向量機相結(jié)合,把基于混合核函數(shù)的相關(guān)向量機應(yīng)用到換熱設(shè)備污垢預(yù)測中。

      1 混合核函數(shù)相關(guān)向量機

      1.1 混合核函數(shù)

      支持向量機被廣泛應(yīng)用主要依靠于兩項關(guān)鍵技術(shù)。第一,利用結(jié)構(gòu)風(fēng)險最小化(Structural Risk Minimization,SRM)原則設(shè)計具有最大間隔最優(yōu)分類面;第二,通過核函數(shù)實現(xiàn)在高維特征空間的線性最優(yōu)分類面,并可以實現(xiàn)輸入空間的非線性學(xué)習(xí)算法。核函數(shù)就是利用非線性變化Φ將一個n維矢量空間中的隨機矢量x映射到高維特征空間,在高維特征空間設(shè)計線性學(xué)習(xí)算法。

      假定模式x屬于輸入空間X,既x∈X,通過映射Φ 將輸入空間映射到一個新的空間 F={Φ(x):x∈X},F(xiàn)稱作特征空間。

      給定一個函數(shù)z:X2→Z(Z為復(fù)數(shù)集C或?qū)崝?shù)集R)和模式 x1,…,xm∈X,則 m×m 矩陣 Zij=z(xi,xj)稱為關(guān)于xi,…,xm的Gram矩陣。

      一個m×m矩陣K是正定矩陣,當(dāng)且僅當(dāng)對于?ci∈C均有。

      令X為一非空集合,k是定義在X×X上的函數(shù),如果k滿足對所有的m∈N和x1,…,xm∈X都產(chǎn)生一個正定Gram矩陣,則稱其為正定核,簡稱核。

      設(shè)(X,μ)是一個有限測度空間。如果 k∈L∞(X2)是一個對稱實值函數(shù),則由其構(gòu)造的x的平方可積函數(shù)的積分算子為

      是正定的,即?f∈L2(X),x∫k(x,y)f(x)f(y)dμ(x)μ(y)≥0。

      常用的核函數(shù)包括:

      1)高斯核函數(shù)

      2)多項式核函數(shù)

      3)Sigmoid 核函數(shù)

      4)線性核函數(shù)

      常用的局部核函數(shù)是高斯核函數(shù),高斯核函數(shù)對樣本距離與σ相近的一定領(lǐng)域內(nèi)的樣本產(chǎn)生影響。然而當(dāng)樣本之間距離比σ大時,值就會趨于0。高斯核函數(shù)能很好地提出樣本的局部特性。全局核函數(shù)經(jīng)常采用多項式核函數(shù),主要用于提取樣本的全局性。Km表示混合核函數(shù),Kl表示局部核函數(shù),Kg表示全局核函數(shù)。

      其中,α+β=1。

      1.2 相關(guān)向量機

      式中:N 為樣本數(shù);ωi為權(quán)值;k(x,xi)為核函數(shù)。

      因此預(yù)測值為

      式中:ε為附加噪聲,且服從方差為σ2、均值為0的獨立分布。已假設(shè)ti為獨立分布,則

      因此全體樣本的似然函數(shù)為

      式中:t=(t1,…,tn)T,ω=(ω0,…,ωN)T,Φ=[φ(x1),…,φ(xn)]T,φ(xi)=[1,k(xi,x1),…,k(xi,xN)]T。

      為避免過學(xué)習(xí),權(quán)值ω賦予先驗概率分布:

      由先驗概率、似然分布,則ω的后驗概率分布:

      式中:μ=σ-2ΣΦTt, Σ=(σ-2ΦTΦ+A)-1,A=diag(a0,a1,…,an)。為了估計超參數(shù)的最佳值,超參數(shù)的似然分布為

      其中B=σ2I+ΦA(chǔ)-1ΦT。超參數(shù)的更新為:

      2 混合核函數(shù)相關(guān)向量機應(yīng)用于污垢預(yù)測

      2.1 樣本數(shù)據(jù)采集

      在對污垢形成過程的研究中發(fā)現(xiàn),污垢熱阻能反映出污垢的結(jié)垢程度。將污垢熱阻值作為目標(biāo)輸出量,通過分析大量實驗數(shù)據(jù)得出,能影響污垢熱阻值的變量包括:污管的出入口溫度、污管3個不同位置的壁溫,污管內(nèi)流體的流速。將這些變量作為輸入自變量,污垢熱阻值作為輸出因變量,利用雙管雙回路新型污垢特性在線監(jiān)測裝置——污垢熱阻動態(tài)模擬自動監(jiān)測裝置[12]采集數(shù)據(jù)。每1 min采集一組樣本數(shù)據(jù),連續(xù)采集1 700組數(shù)據(jù)。其中用前1 000組數(shù)據(jù)作為訓(xùn)練樣本,全部數(shù)據(jù)作為預(yù)測驗證,樣本數(shù)據(jù)通過MATLAB歸一化處理。

      2.2 參數(shù)設(shè)置

      混合核函數(shù)中Kl取高斯核函數(shù),Kg取多項式核函數(shù)。其中 q=1,α=0.9,β=0.1。分別用混合核函數(shù)、高斯核函數(shù)、多項式核函數(shù)做實驗進行對比?;旌虾撕瘮?shù)寬度為0.33,高斯核函數(shù)寬度為0.3,多項式核函數(shù)寬度為1,并且為二次多項式。超參數(shù)和方差的初始值為 initAlpha=(1/N)2,initBeta=var[t]×0.1。

      2.3 評價依據(jù)

      回歸預(yù)測結(jié)果的好壞可以通過多種方法來進行驗證。通過平均相對誤差(RMS),均方根誤差(RMSE)來評價:

      3 實驗結(jié)果和分析

      實驗所用樣本數(shù)據(jù)為1 700組,分別通過混合核函數(shù)、高斯核函數(shù)、多項式核函數(shù)的相關(guān)向量機,在MATLAB7.1環(huán)境下進行仿真實驗。

      圖1為實際污垢熱阻值曲線。圖2,圖4,圖6分別為混合核函數(shù)RVM,高斯核函數(shù)RVM,多項式核函數(shù)RVM下的實際曲線與預(yù)測曲線對比圖。圖3,圖5,圖7分別為對應(yīng)核函數(shù)相關(guān)向量機下的相對誤差曲線。

      圖1 實際污垢熱阻曲線

      圖2 混合核函數(shù)下的實際曲線與預(yù)測曲線對比

      圖3 混合核函數(shù)下的相對誤差曲線

      圖4 高斯核函數(shù)下實際曲線與預(yù)測曲線對比

      圖5 高斯核函數(shù)下相對誤差曲線

      圖6 多項式核函數(shù)下實際曲線與預(yù)測曲線對比

      圖7 多項式核函數(shù)下相對誤差曲線

      從圖中可見,各個核函數(shù)下相關(guān)向量機都準(zhǔn)確預(yù)測了污垢熱阻值的曲線走勢。相對于圖4和圖6,圖2預(yù)測的效果更好。圖3,圖5,圖7分別為對應(yīng)核函數(shù)相關(guān)向量機下的相對誤差曲線。相對于圖5和圖7,圖3的相對誤差范圍更小。

      表1列舉了混合核函數(shù)相關(guān)向量機、高斯核函數(shù)相關(guān)向量機、多項式核函數(shù)相關(guān)向量機下的平均相對誤差和均方根誤差的實驗結(jié)果數(shù)據(jù)。由表1可知混合核函數(shù)相關(guān)向量機的平均相對誤差、均方根相對誤差都要小于單一的核函數(shù)相關(guān)向量機。

      表1 實驗結(jié)果統(tǒng)計

      4 結(jié)語

      基于混合核函數(shù)的相關(guān)向量機在換熱設(shè)備污垢預(yù)測中取得了較好的預(yù)測效果,并且相對于某單一的核函數(shù)相關(guān)向量機,混合核函數(shù)相關(guān)向量機的預(yù)測精度更高。

      混合核函數(shù)相關(guān)向量機相對單一核函數(shù)相關(guān)向量機雖然取得了較好的預(yù)測效果,但依然存在問題。混合核函數(shù)中的各單一核函數(shù)的選取依據(jù)沒有,而且混合函數(shù)的參數(shù)比單一核函數(shù)參數(shù)要多,以致有時候構(gòu)造的混合核函數(shù)不如單一核函數(shù)效果好。混合核函數(shù)中各單一核函數(shù)所占的比重也是一個需要考慮的問題。

      相對于以往的SVM,RVM的輸出更多樣化,不僅有二值輸出,也有概率輸出以及置信區(qū)間輸出。然而隨著輸入樣本的復(fù)雜,RVM的訓(xùn)練時間將加長,如何降低RVM在復(fù)雜輸入的樣本訓(xùn)練時間,將是今后的研究方向。

      猜你喜歡
      污垢阻值高斯
      小高斯的大發(fā)現(xiàn)
      A simple act of kindness
      四線制阻值檢測電路實驗研究
      勵磁線圈對插入式電磁流量計的影響
      天才數(shù)學(xué)家——高斯
      低電阻碳膜板制作及其阻值的優(yōu)化
      對一道電學(xué)實驗題的思考
      換熱設(shè)備污垢熱阻和腐蝕監(jiān)測技術(shù)綜述
      顆粒污垢模型在微生物污垢研究中的適用性
      有限域上高斯正規(guī)基的一個注記
      承德县| 陇西县| 乐昌市| 周宁县| 苍南县| 陈巴尔虎旗| 合作市| 繁峙县| 樟树市| 新源县| 黄大仙区| 杭州市| 洱源县| 慈利县| 溧阳市| 嘉义市| 扶绥县| 连江县| 汪清县| 革吉县| 任丘市| 吉安县| 平江县| 枞阳县| 深水埗区| 凤翔县| 甘肃省| 建宁县| 张家界市| 疏勒县| 河曲县| 大姚县| 梅州市| 子洲县| 尼勒克县| 鹿邑县| 上杭县| 建始县| 北海市| 丰城市| 华池县|