基于辅助变量KNN分析的软测量建模方法

• 作者: 李哲 田学民
• 来源期刊: 化工学报
• 关键词: 软测量 主元分析 核主元分析 支持向量机 K-最近邻算法
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 过程系统工程
• 页码范围: 941-946
• 页数: 6页
• 分类号: TP273
• 语种: 中文
• DOI: 10.3321/j.issn:0438-1157.2008.04.022

摘要

提出一种基于辅助变量最近邻(KNN)分析的软测量建模方法,该方法将KNN算法应用于辅助变量分类,根据分类结果,应用核主成分分析(KPCA)和支持向量回归机(SVR)相结合进行软测量建模.KNN分析独立于后继回归模型,却又直接影响模型结构,KPCA作为中间层,在KNN分类结果指导下提取不同类别包含辅助变量高阶信息的特征主元,然后使用SVR建立特征主元和主导变量之间的回归模型.用该方法建立粗汽油干点软测量模型,结果表明KNNKPCASVR(KKS)模型的预测精度和泛化能力优于线性PLS、RBF核函数SVR和KPCASVM模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田学民	中国石油大学信息与控制工程学院电子信息工程系	33	262	8.0	15.0
2	李哲	中国石油大学信息与控制工程学院电子信息工程系	32	98	5.0	9.0