基于改进随机梯度Boosting算法的软测量建模

• 作者: 仓文涛 杨慧中
• 来源期刊: 化工学报
• 关键词: 算法 计算机模拟 集成 随机梯度Boosting 软测量
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 过程系统工程
• 页码范围: 970-975
• 页数: 6页
• 分类号: TP273
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20161624

摘要

在建立复杂化工过程软测量模型时,使用传统的随机梯度Boosting算法(SGB)建模若收缩参数v选取不当会明显降低算法收敛速度,且极易陷入过拟合,难以取得令人满意的泛化效果.为解决这一问题,提出了一种基于SGB集成学习的软测量建模方法,采用高斯过程回归作为基学习器,并针对SGB算法固有的不足,依据每一次迭代中弱学习机的反馈,自适应调整收缩参数v,改善了SGB算法的过度拟合,从而提高了集成模型的估计精度与学习效率.将该方法应用于某双酚A装置的软测量建模中,仿真结果表明,相比于传统SGB建模,该方法具有更高的泛化性能和学习效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨慧中	江南大学轻工过程先进控制教育部重点实验室	228	1844	20.0	33.0
2	仓文涛	江南大学轻工过程先进控制教育部重点实验室	3	13	3.0	3.0