基于关键变量的OPLS预测方法

产品的最终质量主要是由生产过程中的关键变量决定的,因此,回归模型的质量预测能力与过程变量的选择密切相关。本文提出了一种新的基于关键变量(CV)的OPLS预测方法(CVOPLS),用于输出变量较多过程的质量预测。首先,根据关键变量选取准则,为每个质量变量选取建模所需的关键过程变量。为了减少最后需要建立的模型个数,将由质量变量及其相应的关键过程变量组成的数据阵进行重组,并用OSC算法去除重组后的数据阵中与质量变量无关的干扰信息。然后,对校正后的数据阵建立PLS模型,求取相应的模型回归系数,得到最终的质量预测结果。与传统的PLS及OPLS方法相比,该方法能够在保证模型较好预测精度的前提下,有效地简化模型结构。最后,通过Tennessee Eastman(TE)过程的实验仿真验证了CV-OPLS方法的有效性。     

基于人工蜂群波长优选和残差增广的近红外光谱定量模型研究

提出一种基于人工蜂群(artificial bee colony,ABC)算法的光谱波长优选和残差数据增广回归算法的近红外光谱定量模型.以勾兑果汁中苹果汁原汁含量的近红外光谱数据为基础,对原始光谱数据进行预处理,通过人工蜂群算法优选光谱波长变量,采用优选出的波长变量建立近红外光谱浓度残差增广的最小二乘回归(concentration residual augmented classical least squares,CRACLS)模型.将ABC波长优选后建立的CRACLS模型与全光谱建立的CRACLS模型,遗传算法(genetic algorithm,GA)波长优选后建立的CRACLS,ABC波长优选后建立的PLS模型,全光谱建立的PLS模型,GA波长优选后建立的PLS模型进行比较.实验结果表明,ABC-CRACLS模型的校正集的Rc值为0.999 8,RMSEC值为0.000 9,预测集的Rp值为0.999 1,RMSEP值为0.012 1,均优于其它几个模型.因此提出的人工蜂群算法能够有效地处理好波长变量的优选问题,并且CRACLS模型取得良好的预测结果.     

一种基于高斯过程的非线性PLS建模方法

提出了一种基于高斯过程(GP)和偏最小二乘法(PLS)的非线性PLS方法(GP-PLS),以更加有效地处理过程非线性、多输入和数据共线性等复杂特性,提高模型的推广能力和精度。该方法首先采用PLS进行特征提取,再用GP建立PLS的内部模型,因而具有GP与PLS的优点。对工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明,采用该方法建立的软测量模型在模型精度、推广能力等方面明显优于一些传统软测量建模方法,满足工业现场应用要求。     

线性系统测量网络的设计与改造

对化工过程数据进行数据校正 ,可以提高所获得数据的精度和一致性 ,同时可以对重要的未测变量进行估计。为满足数据校正工作的需要 ,采用图论方法与混合整数非线性规划 (m ixed integer non- linear programm ing,MINL P)方法相结合 ,分析了线性系统中变量的可估计性 ,建立了考虑数据可估计性及可靠性要求的测量网络设计、改造的一般性问题的 MINL P模型。对某常减压装置常压部分的测量网络进行改造的实例证明了此模型的有效性     

应用间隔随机蛙结合连续投影算法检测橡胶树叶片氮含量

研究了基于可见/近红外光谱技术的橡胶树叶片氮含量无损检测方法。总共采集了176个橡胶树叶片样本,以350～2 500 nm的可见/近红外数据作为试验数据。首先,采用一种新颖的间隔随机蛙(iRF)算法选择交互验证均方根误差(RMSECV)最小的波长间隔组合;然后,采用连续投影算法(SPA)进一步选择特征波长;最后,将选出的特征波长作为输入变量,建立偏最小二乘法(PLS)模型。研究结果表明:通过两步策略进行波长选择,iRF算法粗选,从全光谱2 151个变量中筛选出714个,再采用SPA算法细选,从714个变量中进一步筛选出20个最优变量,降低了信息冗余,变量数减少了99.07%。建立的简化模型结果校正均方根误差(RMSEC)、校正相关系数(R_c)、预测均方根误差(RMSEP)、预测相关系数(R_p)分别为0.091 3%、0.956 5、0.123 8%和0.901 8,比PLS、间隔偏最小二乘法(iPLS)、iRF算法和SPA有更低的均方根误差和更高的相关系数。因此,iRF-SPA可以作为一种策略的波长选择方法用于检测橡胶树叶片氮含量。     

基于OBE-PLS软测量的过程自适应建模

针对工业过程中因时变和工况迁移等复杂因素的影响,使得利用固定样本集训练得到的静态软测量模型不能很好地跟踪当前对象,从而导致该模型预测性能下降的问题,提出了一种融合最优定界椭球(OBE)和偏最小二乘算法(PLS)的动态软测量建模方法。该方法以离线数据集建立PLS软测量模型,当有新的查询样本到达时,可通过主成分分析(PCA)建立统计量寻找与其相似的历史样本,并利用该历史样本通过OBE算法来动态更新PLS模型,从而使模型达到很好地跟踪效果,有效地解决了工业过程中时变和工况迁移的问题。最后在数值例子和球磨机的实例中验证了该方法的有效性。     

基于连续投影算法和最小二乘支持向量机的污水中NH3 N近红外光谱建模

通过扫描不同NH_3-N含量污水的近红外光谱,建立了水样中NH_3-N的定量分析模型。考虑到全谱高维数据建模较大的计算负担,采用连续投影算法(SPA)对水样光谱全谱进行特征波长筛选,将筛选后的特征变量采用最小二乘支持向量机(LS-SVM)进行建模;所建立的SPA和LS-SVM分析模型对污水中NH_3-N分析的预测均方根误差为3.210 8,相关系数为0.984 4,相对分析误差5.681 2;与全谱LS-SVM模型和全谱部分最小二乘(PLS)模型相比,此处的建模方法将全谱模型的512维数据压缩为28维特征光谱数据(计算量占全谱的5.47%),但模型分析精度与全谱LS-SVM模型相近,且高于全谱PLS模型;该方法对实现水样NH_3-N的快速检测以及低维度变量建模具有指导意义。     

可见/近红外联合变量优选检测油茶籽油掺假

利用可见/近红外光谱技术联合CARS(competitive adaptive reweighted sampling)方法对油茶籽油中掺杂大豆油及菜籽油进行检测.采用CARS方法对波长变量进行筛选,应用偏最小二乘回归(PLS)方法分别建立油茶籽油中大豆油掺伪量、菜籽油掺伪量及大豆油与菜籽油混掺伪量的定量检测模型,并与经连续投影算法(SPA)及无信息变量消除(UVE)方法变量筛选后所建立的PLS模型进行比较.研究结果表明:可见/近红外联合CARS方法可以分别检测油茶籽油中大豆油、菜籽油掺伪量及大豆油与菜籽油混掺伪量.大豆油、菜籽油及大豆油与菜籽油总和的CARS-PLS掺伪量模型的预测集相关系数r和预测均方根误差RMSEP分别为0.950,0.928,0.980和24.5,29.0,30.8g·kg-1;CARS-PLS模型性能优于全波段PLS,SPA-PLS及UVE-PLS,表明CARS方法是一种有效的波长变量选择方法,可以剔除冗余波长变量.     

基于偏最小二乘法的土壤有机碳高光谱预测研究

对86个土壤样品高光谱数据进行平滑去噪、一阶微分变换以及多元散射校正处理,在此基础上,建立土壤有机碳含量的偏最小二乘法(PLS)反演模型.结果表明,获得的五种PLS模型均具有较高的模型精度.其中,主成份个数为10时,R+MSC的PLS模型效果最好.校正模型的决定系数R2=0.95,校正均方根误差RMSEC=0.95.验证模型的决定系数R2=0.78,预测均方根误差RMSEP=2.03.利用PLS模型对预测集进行预测,实测值与预测值的决定系数R2=0.83,预测均方根误差RMSEP=1.71,预测标准差SEP=1.73.PLS模型可以对土壤有机碳含量进行预测.     

基于PLS模型的自适应间歇过程质量预测

间歇生产过程中,很多质量指标不能在线测量,导致过程很难控制。该文应用部分最小二乘(PLS)方法建立软测量模型,通过批次初期在线测量的过程变量对最后的产品质量进行预测。同时,利用过程中得到的中间质量测量值对最后的预测结果进行修正。为了解决过程参数随时间变化的问题,在每个批次结束后利用新数据对原模型进行更新。将该法用于异丁烯酸甲酯(MMA)聚合反应过程,仿真结果显示,该法能够克服过程参数变化的影响,有效地预测最后的产品质量。     

OSC-PLS算法在近红外光谱定量分析中应用的研究

提出一种新的光谱预处理方法--正交信号校正,并将正交信号校正与偏最小二乘法相结合的OSC-PLS方法应用于固体含能材料中挥发份的定量分析.利用正交信号校正,对光谱数据进行预处理,剔除光谱矩阵中所含的各种噪声信号,将去噪后的光谱矩阵作为新的自变量矩阵,再利用偏最小二乘方法建立校正模型.结果表明:用OSC-PLS方法建立模型与用传统偏最小二乘法所建模型相比精度明显提高,这对近红外光谱分析在该领域的应用具有重要的理论意义和实际推广价值.     

FTIR/ATR光谱快速测定糖厂废水COD

利用FTIR/ATR光谱技术建立糖厂废水化学需氧量(COD)的快速测量方法.基于光谱Savitzky-Golay(SG)平滑和偏最小二乘法(PLS)建立光谱优化模型.建立计算机算法平台,把540种平滑模式和1-40的PLS因子数任意组合分别建立SG-PLS模型,预测效果最优的模型平滑模式为2阶导数平滑,6次多项式,51...     

一种多尺度球磨机筒体振动频谱分析与建模方法

针对基于传统快速傅里叶变换获得的单尺度筒体振动频谱难以有效揭示磨机研磨机理和筒体振动信号组成,以及现有文献中经验模态分解(EMD)技术预测精度低的问题,提出了基于偏最小二乘算法的多尺度筒体振动频谱分析与建模方法.该方法首先采用经验模态分解技术将筒体振动信号分解为具有不同时间尺度的内禀模态函数(IMF),接着通过傅里叶变换获得多尺度频谱,最后采用基于偏最小二乘算法的潜变量贡献率分析和选择不同尺度频谱,并建立融合不同尺度频谱的磨机负荷参数软测量模型.采用实验球磨机的实验数据仿真验证了所提方法的有效性.     

基于分级偏最小二乘回归的径向基函数神经网络

为提高径向基函数神经网络的泛化性能,提出一种利用分级偏最小二乘回归方法构造径向基函数神经网络的方法,逐步增加网络中的隐节点数直至达到合适的网络规模,消除了训练数据中存在的多重共线性对网络泛化能力的不利影响.所得径向基函数神经网络的泛化能力比偏最小二乘回归构造的径向基函数神经网络提高了约30%.船舶航向跟踪预测控制仿真验证了该算法的可行性和有效性.     

基于MNNPLS的间歇过程的故障诊断

针对间歇生产过程的特点及多向部分最小二乘在故障诊断中存在的问题,提出了一种多向神经网络部分最小二乘方法,实现对间歇过程的在线监控和故障诊断。该方法结合了部分最小二乘的鲁棒性和神经网络表现输入输出非线性关系的能力,提高了模型的预测精度。将此方法应用于监测青霉素发酵过程中,仿真结果表明,它比传统多向部分最小二乘方法能更及时、准确地检测到故障。     

汽提塔塔底氨含量的软测量模型

针对常规偏最小二乘算法(PLS)难以适用实际工业过程的时变特性、固定长度窗口PLS可能导致数据样本丢失信息问题,提出了基于变滑动时间窗口长度的PLS软测量建模算法。算法思想是设定时间窗口内样本数据长度不是固定的,建模的样本数据随新样本数据加入而逐步舍去。算法应用于煤气化废水处理流程中加压汽提塔塔底氨含量的工业软测量建模,仿真研究表明:相对于简单的PLS方法和固定滑动时间窗口长度的PLS方法,模型的预测平均相对误差分别减少约43%及13%,模型具有精度高、外推能力好等优点。另外,针对案例,讨论了最佳的窗口可变长度。     

Nonlinear Spline Kernel-based Partial Least Squares Regression Method and Its Application

Inspired by the traditional Wold＇s nonlinear PLS algorithm comprises of NIPALS approach and a spline inner function model, a novel nonlinear partial least squares algorithm based on spline kernel （named SK-PLS ） is proposed for nonlinear modeling in the presence of multicollinearity. Based on the inner-product kernel spanned by the spline basis functions with infinite number of nodes, this method firstly maps the input data into a highdimensional feature space, and then calculates a linear PLS model with reformed NIPALS procedure in the feature space and gives a unified framework of traditional PLS ＂kernel＂ algorithms in consequence. The linear PLS in the feature Space corresponds to a nonlinear PLS in the original input （primal） space. The good approximating property of spline kernel function enhances the generalization ability of the novel model, and two numerical experiments are given to illustrate the feasibility of the proposed method.     

油气勘探风险评价的偏最小二乘-最大熵法模型及应用

油气勘探风险的定量评价一直是国内外研究的难点.作者在分析传统风险评价方法的优缺点、剖析偏最小二乘法和最大熵法优势的基础上,首次提出了偏最小二乘-最大熵(PLSME)风险分析模型.偏最小二乘法较好地实现了多元线性回归、主成分分析和典型相关分析的有效综合,通过自变量的PLS回归线性处理,不仅能消除粗差解决变量之间的相关性问题,而且能辨识每一个自变量对因变量的控制程度;最大熵法通过对偏最小二乘得出的风险因子与总经济效益净现值关系式的检验,利用最大值、最小值和最可能值的训练,能了解指标最终服从的概率分布,客观得出风险的大小.两者结合起来构建的PLSME模型,能使风险评价结果更加准确、合理和客观.通过对四川德阳新场气田的实例应用,表明偏最小二乘-最大熵评价方法科学可行,对同类研究具有借鉴作用.     

基于模糊基函数变换的PLS及其在软测量中的应用

针对以往非线性偏最小二乘法(PLS)的局限性,提出了一种基于模糊基函数变换的PLS算法,用以解决非线性系统的建模问题.该方法首先通过模糊基函数变换将自变量与因变量之间的非线性关系转化为线性关系,再利用PLS算法进行回归求参,从而有效克服由于模糊基函数变换所引发的维数增加以及多重共线性,使得模型在具有较高拟合精度的同时还能有效地抑制噪声.通过仿真实验进一步验证了该方法的有效性,并将其应用于湿法冶金萃取过程组分含量软测量建模问题,得到了满意的效果.     

COREX冷煤气成分预测的二步建模方法

针对熔融气化炉冷煤气成分含量,提出了基于熵权模糊C均值聚类和偏最小二乘的COREX冷煤气成分预测方法.建模过程中首先根据料单中各种原料的单耗量,利用熵权模糊C均值聚类的方法将料单聚类成若干种料单类别,然后针对不同的料单类别,利用偏最小二乘法分别建立冷煤气成分预测模型.对宝钢COREX-1#炉实际生产数据验证结果表明:该方法可以有效地建立COREX冷煤气成分预测模型,具有较好的预测精度.