變量篩選是現(xiàn)代工業(yè)過程產(chǎn)品質(zhì)量預測研究中的熱點問題之一。過濾式變量選擇方法因其計算速度快且不易造成過擬合得到了廣泛應用,但其存在容易忽略變量相關性且不能準確反映工況信息的問題,在高維數(shù)據(jù)維度災難問題日漸突出的當今不再適用。針對這一問題,提出一種分步約簡的敏感變量選擇方法。該方法在明確敏感變量和關鍵敏感變量的基礎上,根據(jù)變量對工況的描述能力和輔助變量與主導變量的凈相關性定義了敏感性指標,實現(xiàn)敏感變量的初選;接著,構(gòu)建加權(quán)余弦馬田系統(tǒng)以解決變量冗余性問題,實現(xiàn)敏感變量的精選。所提方法應用于加氫裂化產(chǎn)品質(zhì)量預測,實際工業(yè)應用結(jié)果表明,該方法不僅可以提高模型的預測精度,而且可以有效地降低模型復雜性。 

【文章來源】：化工學報. 2020,71(05)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

加氫裂化流程

32個敏感變量的信噪比增量直方圖如圖2所示，變量21（原機理篩選輔助變量24）、28（原機理篩選輔助變量32）和32（原機理篩選輔助變量36）的信噪比增量為負，說明這些輔助變量對建模無效；變量26（原機理篩選輔助變量29）的信噪比增量較小，說明這些輔助變量對建模作用較小，可以忽略不計。因此，基于加權(quán)余弦馬田系統(tǒng)最終精選得到28個可用于預測建模的關鍵敏感變量。3.4 航煤10%餾出溫度預測結(jié)果與分析

接著，采用十折交叉驗證（10-fold cross validation）來進一步測試所提方法的有效性，分別采用3種變量集合建立基于LWPLS的預測模型，其RMSE如表6所示。由表6可知，采用關鍵敏感變量集合建立的預測模型精度最高，同時也證明了所提方法具有一定的外推性。圖4 利用敏感變量集合預測航煤10%餾出溫度結(jié)果

【參考文獻】：
期刊論文
[1]基于隱變量空間載荷余弦相似度的間歇過程遞推優(yōu)化[J]. 劉曉鳳,欒小麗,劉飛.  化工學報. 2018(03)
[2]基于趨勢相似度分析的多重時滯辨識及其在加氫裂化流程中的應用[J]. 王雅琳,夏海兵,袁小鋒,桂衛(wèi)華.  化工學報. 2018(03)
[3]基于融合歐氏距離與Kendall Tau距離度量的譜聚類算法（英文）[J]. 光俊葉,邵偉,孫亮,張道強.  控制理論與應用. 2017(06)
[4]基于偏相關性分析的MPC控制器模型失配檢測[J]. 李秋美,田學民,尚林源.  化工學報. 2016(03)
[5]基于馬田系統(tǒng)的區(qū)間Choquet模糊積分多屬性決策方法[J]. 常志朋,程龍生,崔立志.  控制與決策. 2016(01)
[6]基于互信息的PCA方法及其在過程監(jiān)測中的應用[J]. 童楚東,史旭華.  化工學報. 2015(10)
[7]基于貝葉斯推理的PKPCAM的非線性多模態(tài)過程故障檢測與診斷方法[J]. 盧春紅,熊偉麗,顧曉峰.  化工學報. 2014(12)
[8]一種無監(jiān)督約簡的浮選泡沫圖像特征選擇方法及應用[J]. 吳佳,謝永芳,陽春華,桂衛(wèi)華.  信息與控制. 2014(03)
[9]基于馬氏距離局部離群因子方法的復雜化工過程故障檢測[J]. 馬賀賀,胡益,侍洪波.  化工學報. 2013(05)
[10]一種改進的互信息特征選取預處理算法[J]. 盧新國,林亞平,陳治平.  湖南大學學報(自然科學版). 2005(01)



本文編號：3073598