删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于ICA变量分组的集成软测量方法研究

本站小编 Free考研考试/2021-12-21

本文二维码信息
二维码(扫一下试试看!)
基于ICA变量分组的集成软测量方法研究
Study on Ensemble Soft Sensing Method Based on ICA Variables Grouping
投稿时间:2016-12-07
DOI:10.15918/j.tbit1001-0645.2018.06.013
中文关键词:软测量变量分组核学习集成建模
English Keywords:soft sensorvariables groupingkernel learningensemble modeling
基金项目:山东省自然科学基金资助项目(ZR2016FM28)
作者单位E-mail
杨凯北京理工大学 化学与化工学院, 北京 100081
孙玉梅烟台南山学院 电气工程学院, 山东, 龙口 265713
王莉北京理工大学 化学与化工学院, 北京 100081
杜妮北京理工大学 化学与化工学院, 北京 100081
陈祥光北京理工大学 化学与化工学院, 北京 100081xgc1@bit.edu.cn
摘要点击次数:772
全文下载次数:448
中文摘要:
提出了一种基于独立主成分分析(independent component analysis,ICA)变量分组和集成学习的软测量建模方法.该方法首先运用ICA对输入过程变量进行分组,建立多个变量组子空间.然后在各变量组子空间内提取子样本集,降低变量和变量组之间的耦合性,并基于核偏最小二乘法(KPLS)建立预测子模型.最后,采用贝叶斯方法对子模型的输出进行集成,给出最终预测结果.运用该方法对工业橡胶密炼过程的数据进行了预测,并与其它软测量方法的结果进行比较分析,实验结果表明,本文提出的方法具有更好的预测性能.
English Summary:
A novel soft sensing method was proposed based on independent component analysis (ICA) fortified with variables grouping and ensemble learning method.First,the import process variables were grouped using ICA algorithm,developing multiple variable-group subspaces.Then,the coupling relation among variables and variable groups was reduced by re-sampling the data samples in the variable-subspaces.And prediction sub-models were constructed based on kernel partial least square method (KPLS).Finally,Bayesian inference method was used to integrate the outputs from sub-models,and to get the predicting results.The superiority of the proposed method was demonstrated with comparative studies of multiple soft sensors using the industrial rubber mixing process data.
查看全文查看/发表评论下载PDF阅读器
相关话题/北京理工大学 化学 北京 化工学院 电气工程学院