作者：潘贝; 金怀平; 杨彪; 冯丽辉; 陈祥光软测量即时学习集成学习加权相似度局部加权偏最小二乘
摘要：针对传统即时学习软测量方法仅考虑单一的相似度函数,难以有效处理复杂工业过程中的非线性特性,从而导致模型预测性能受限的问题,提出了一种基于多样性加权相似度(DWS)的集成局部加权偏最小二乘(LWPLS)软测量建模方法.首先采用随机子空间法和高斯混合聚类,构建一组多样性的训练样本子集;然后通过偏最小二乘回归分析确定输入特征权值,从而定义一组多样性加权相似度函数.在线实施阶段,对于任意的查询样本,基于多样性的相似度指标,可建立一组多样性的LWPLS软测量模型,随后引入集成学习策略实现难测变量的融合预测.在数值例子和脱丁烷塔过程中的应用结果表明了该方法的有效性.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
