摘要：提出了一种基于改进的鲁棒学习方法（improved robust learning algorithm,IRLA）的多最小二乘支持向量机（multipleleast squares support vector machine,Multi-LSSVM）建模方法,用以解决非线性系统建模问题。该方法通过Bootstrap算法复制出训练集样本空间上的多个样本子空间,训练出多个成员最小二乘支持向量机模型,然后应用改进的鲁棒学习方法对成员最小二乘支持向量机模型的权重进行优化融合,从而使多最小二乘支持向量机模型具有较高的准确率和泛化能力。通过仿真实验,验证了方法的有效性;并将其应用于湿法冶金合成过程草酸钴粒度软测量建模问题,获得了比单个最小二乘支持向量机模型方法更高的预测精度。

关键词：最小二乘支持向量机 bootstrap 软测量 多最小二乘支持向量机 湿法冶金 

单位：东北大学信息科学与工程学院 沈阳110004 东北大学流程工业综合自动化教育部重点实验室 沈阳110004