摘要：

提出了一种将核主成分分析（KPCA）和最小二乘支持向量机（LSSVM）相结合的软测量建模方法。核主成分分析能够对样本数据进行特征提取，消除数据的相关性。本文利用KPCA提取主元，降低样本的维数；然后利用最小二乘支持向量机进行建模，不仅降低了模型的复杂性，而且提高了模型的泛化能力。用该方法建立柴油凝点的软测量模型，和其他4种方法比较，结果表明基于KPCALSSVM方法建立的软测量模型有较好的预测效果和泛化能力，是一种有效的数据建模方法。