基于样本平衡策略的多源迁移学习方法及其在 乙烯精馏塔质量指标预测的应用

• 作者: 卢敏 叶贞成 钱锋
• 来源期刊: 信息与控制
• 学科: 工学
• 关键词: 多源迁移学习 样本平衡 Tradaboost算法 决策树 乙烯精馏塔
• 年，卷（期）: 2023,（5）
• 所属期刊栏目: 实际问题研讨
• 页码范围: 631-640
• 页数: 9页
• 分类号: TQ021.8
• 语种: 中文
• DOI: 10.13976/j.cnki.xk.2022.1455

摘要

基于数据驱动的工业过程建模需要依赖大量的标记良好的数据集，但与目标任务直接相关的标注数据往往是有限的。因此，可以利用与其具有相关性的辅助训练数据进行建模以实现任务迁移。然而，样本的不平衡问题一定程度上影响了迁移学习的性能表现。因此，提出了一种基于样本平衡策略的多源迁移学习方法，首先，对于同一源域内样本，采用最小二乘方法融合多个候选预测器得到单个源预测器，以协同利用域内不同样本包含的可迁移信息。此外，对于不同源域间样本，基于误差函数将多个源预测器加权组合得到多源预测模型。最后以乙烯精馏塔为对象进行案例分析，验证了所提出方法的有效性。