基于即时学习的不完整高维数据非线性过程软测量

• 作者: 于飞 颜丙云 黄彪
• 来源期刊: 青岛科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 概率主成分分析 即时学习 偏最小二乘法 局部加权偏最小二乘算法
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 机械工程与自动化
• 页码范围: 109-118
• 页数: 10页
• 分类号: TP273
• 语种: 中文
• DOI: 10.16351/j.1672-6987.2020.05.015

摘要

由于现代工业过程中数据存在高维性、强非线性、时变性和不完整性等特性,限制了局部加权偏最小二乘算法(LW-PLS)的预测精度.因此,本工作在即时学习建模算法的基础上,将偏最小二乘算法(PLS)应用于相似性样本的选择中,并研究比较了基于主成分分析法(PCA)无监督降维的即时学习算法和基于PLS有监督降维的即时学习算法.概率主成分分析法(PPCA)可以有效的解决数据不完整性的问题;基于PCA和PLS算法的处理,有效的解决了数据高维性问题.基于即时学习的局部加权建模,可以有效解决数据的时变性和非线性问题.所研究算法的有效性在一个数值例子和脱丁烷塔实例中得到了验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于飞		59	458	10.0	20.0
2	颜丙云		2	0	0.0	0.0
3	黄彪		1	0	0.0	0.0