《表1 pH中和过程建模性能比较Tab.1 Comparison of pH neutralization process modeling performance》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《KPCA-KPLS方法在pH中和过程建模中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由交叉验证法确定不同核学习方法的辨识模型参数.KP-CA-KPLS方法中，KPCA采用高斯核函数，核宽度σ=1；KPLS采用高斯核函数，核宽度σ=1，潜在变量数目L=15；KPCA-SVM中，SVM取线性核函数，选取非线性主元数目为15；LSSVM中的正则化参数C2=8；SVM方法使用Libsvm软件完成，惩罚因子C=100，ε=0.1；ELM方法中，隐含层节点数目为50.在训练数据集与测试数据集上的不同方法的建模性能评价，如表1所示.由表1可知:KPLS方法的建模精度均明显占优.