基于Tri-training MPLS的半监督软测量模型

• 作者: 李东 刘乙奇 黄道平
• 来源期刊: 华东理工大学学报（自然科学版）
• 关键词: 软测量 半监督学习 多输出 Tri-training 偏最小二乘
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 信息科学与工程|Information Science and Engineering
• 页码范围: 217-224
• 页数: 8页
• 分类号: TP277
• 语种: 中文
• DOI: 10.14135/j.cnki.1006-3080.20191202008

摘要

随着污水处理过程日趋复杂,易测量变量和难测量变量的比例严重失衡,传统的监督性软测量建模方法已经无法满足需求.针对这一问题,提出了一种新的半监督学习的软测量模型?Tri-training MPLS模型.首先将标记数据均分为相互独立的3个部分,并由这3个相互独立的标记样本子集选择置信度高的未标记样本训练模型,提高模型的预测能力.其次,将单输出软测量模型升级为多输出模型,对多个输出的变量直接建模预测.最后,通过污水处理仿真模型BSM1(Benchmark Simulation Model-1)平台对本文模型进行验证.结果表明,该软测量模型不仅具有较好的多输出预测能力,而且对单个预测结果也有令人满意的预测表现.