一种基于D-S和ARIMA的多模型软测量方法
针对传统软测量方法存在的预测性能差、融合能力低等缺点，提出一种基于证据理论(D-S)合成规则和差分自回归滑动平均(ARIMA)模型的多模型软测量方法。首先利用自适应模糊核聚类方法和最小二乘支持向量机建立多个子模型；然后利用D-S合成规则构造的概率分配函数作为权值因子，对子模型输出进行融合以得到多模型的输出；最后结合ARIMA模型对静态多模型输出进行动态校正。仿真研究与工业应用的结果表明，所提出的方法具有良好的预测性能和融合能力。
证据理论合成规则、差分自回归滑动平均模型、数据融合、多模型、软测量
TP273(自动化技术及设备)
国家自然科学基金重点基金项目U1162202；国家自然科学基金项目61222303,61203157；十二五国家科技支撑计划项目2012BAF05B00；上海市重点学科建设项目B504；中央高校基本科研业务费专项资金项目；流程工业综合自动化国家重点实验室开放课题基金
2014-07-23（万方平台首次上网日期，不代表论文的发表时间）
共7页
1160-1166
