文献

J-GLOBAL ID：201802259484989142   整理番号：18A1440232

KPCA-KPLS法のpHとプロセスモデリングへの応用【JST・京大機械翻訳】

Research on Modeling Method for pH Neutralization Process Using KPCA-KPLS

著者 (2件)： Zhu Ruihe (蘭州交通大学 自動化与電气工程学院,甘粛 蘭州,730070) ,  Li Jun (蘭州交通大学 自動化与電气工程学院,甘粛 蘭州,730070)
資料名： Huaqiao Daxue Xuebao (Ziran Kexue Ban)  (Huaqiao Daxue Xuebao (Ziran Kexue Ban))
巻： 39  号： 3  ページ： 401-407  発行年： 2018年 
JST資料番号： C3297A  ISSN： 1000-5013  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 化学プロセス中の重大な非線形性,不確実性,時間変動を伴う複雑なpHとプロセスシステムモデリングの問題を研究した。カーネル主成分分析(KPCA)とカーネル部分最小二乗(KPLS)に基づくモデリング法を提案した。高次元特徴空間において,入力データの非線形主成分をKPCAにより効果的に抽出し,入力変数をKPLS法により潜在変数に投影した。入力と出力変数の間の共分散情報抽出の潜在的特性を用いて,pHの中和過程モデルを確立した。その妥当性を検証するために,KPCA-KPLS法を弱酸強アルカリ中和過程,強酸強塩基中和過程の実例に適用し,核部分最小二乗との比較を行った。カーネル主成分分析サポートベクトルマシン(KPCA-SVM),カーネル限界学習マシン(KELM),限界学習マシン(ELM),最小二乗法サポートベクトルマシン(LSSVM),および最小自乗サポートベクターマシン(LSSVM)を,カーネル主成分分析(KPCA-SVM)によって分析する。SVMなどの方法を比較した。実験結果は,KPCA-KPLS法が動的モデリングの高い精度を持つことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： モデル ,  共分散 ,  不確実性 ,  サポートベクトルマシン ,  *モデリング ,  化学プロセス ,  経時変化 ,  学習 ,  部分最小二乗法 ,  中性化
準シソーラス用語： 動的モデリング ,  強酸 ,  潜在変数 ,  特徴空間 ,  *カーネル主成分分析 , 【Automatic Indexing@JST】

著者キーワード (4件)： pH neutralization process ,  kernel principal component analysis ,  kernel partial least squares ,  sys-tem modeling

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (3件)： pH ,  プロセスモデリング ,  応用