基于改进大趋势扩散和隐含层插值的虚拟样本生成方法及应用

• 作者: 乔俊飞 郭子豪 汤健
• 来源期刊: 化工学报
• 关键词: 大趋势扩散 神经网络隐含层插值 虚拟样本生成 二 英排放预测 废物处理 算法 模型
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 过程系统工程
• 页码范围: 5681-5695
• 页数: 14页
• 分类号: TQ183
• 语种: 中文
• DOI: 10.11949/0438-1157. 20200673

摘要

针对获取复杂工业过程的难以检测质量或环境污染指标数据的时间和经济成本高导致有标记建模样本稀缺的问题，提出了基于改进大趋势扩散和隐含层插值的虚拟样本生成（VSG）方法，并将其应用于城市固废焚烧过程的二英（DXN）排放预测。首先，采用基于子区域欧氏距离改进大趋势扩散（MTD）方法对真实样本输入/输出空间进行扩展；接着，采用等间隔插值方式生成虚拟样本输入，再结合映射模型和删减机制获得虚拟样本输出；然后，采用基于正则化改进的随机权神经网络隐含层插值依次得到虚拟样本输出和输入，再结合扩展空间对虚拟样本进行删减；最后，将上述具有互补性的虚拟样本与原始真实样本进行混合，实现建模数据容量扩充。通过基准数据集和工业过程DXN数据验证了所提方法的有效性和合理性。