基于ICA变量分组的集成软测量方法研究

摘要：

提出了一种基于独立主成分分析(independent component analysis,ICA)变量分组和集成学习的软测量建模方法.该方法首先运用ICA对输入过程变量进行分组,建立多个变量组子空间.然后在各变量组子空间内提取子样本集,降低变量和变量组之间的耦合性,并基于核偏最小二乘法(KPLS)建立预测子模型.最后,采用贝叶斯方法对子模型的输出进行集成,给出最终预测结果.运用该方法对工业橡胶密炼过程的数据进行了预测,并与其它软测量方法的结果进行比较分析,实验结果表明,本文提出的方法具有更好的预测性能.

关键词：软测量、变量分组、核学习、集成建模

所属期刊栏目：38

分类号：TP13(自动化基础理论)

资助基金：山东省自然科学基金资助项目ZR2016FM28

在线出版日期：2018-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：631-636