In this paper, a support vector regression (SVR) using radial basis function (RBF) kernel is proposed using an integrated parallel linear-and-nonlinear model framework for empirical modeling of nonlinear chemical process systems. Utilizing linear orthonormal basis filters (OBF) model to represent the linear structure, the developed empirical parallel model is tested for its performance under open-loop conditions in a nonlinear continuous stirred-tank reactor simulation case study as well as a

more »

... ghly nonlinear cascaded tank benchmark system. A comparative study between SVR and the parallel OBF-SVR models is then investigated. The results showed that the proposed parallel OBF-SVR model retained the same modelling efficiency as that of the SVR, whilst enhancing the generalization properties to out-of-sample data. ABSTRAK Di dalam kertas ini, sebuah regresi vektor sokongan (SVR) yang menggunakan fungsi asas jejarian (RBF) dicadangkan menggunakan sebuah model rangka kerja linear dan tidak linear selari bersepadu untuk pemodelan empirik sistem pemprosesan kimia tidak linear. Dengan menggunakan model penapis asas ortonormal (OBF) untuk mewakili struktur linear, model selari empirik yang terbentuk seterusnya diuji prestasinya di bawah keadaan kitaran-terbuka dalam sebuah kajian kes simulasi reaktor tangki aduk berterusan (CSTR) yang tidak selari dan juga sistem penanda aras tangka sebaran tidak linear tertinggi. Sebuah kajian perbandingan antara model SVR dan juga model OBF-SVR selari kemudiannya dikaji dengan lebih terperinci. Keputusan menunjukkan bahawa model OBF-SVR selari yang dicadang juga telah mengekalkan kecekapan pemodelan yang sama seperti SVR, di samping memperkukuh ciri generalisasi terhadap data luaran sampel. Kata kunci: Model linear dan tidak linear; OBF; pemodelan empirik; sistem tidak linear; SVR