變量篩選是現(xiàn)代工業(yè)過程產(chǎn)品質(zhì)量預(yù)測研究中的熱點(diǎn)問題之一。過濾式變量選擇方法因其計(jì)算速度快且不易造成過擬合得到了廣泛應(yīng)用,但其存在容易忽略變量相關(guān)性且不能準(zhǔn)確反映工況信息的問題,在高維數(shù)據(jù)維度災(zāi)難問題日漸突出的當(dāng)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(guān)鍵敏感變量的基礎(chǔ)上,根據(jù)變量對工況的描述能力和輔助變量與主導(dǎo)變量的凈相關(guān)性定義了敏感性指標(biāo),實(shí)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(shí)現(xiàn)敏感變量的精選。所提方法應(yīng)用于加氫裂化產(chǎn)品質(zhì)量預(yù)測,實(shí)際工業(yè)應(yīng)用結(jié)果表明,該方法不僅可以提高模型的預(yù)測精度,而且可以有效地降低模型復(fù)雜性。 

【文章來源】：化工學(xué)報(bào). 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(gè)敏感變量的信噪比增量直方圖如圖2所示，變量21（原機(jī)理篩選輔助變量24）、28（原機(jī)理篩選輔助變量32）和32（原機(jī)理篩選輔助變量36）的信噪比增量為負(fù)，說明這些輔助變量對建模無效；變量26（原機(jī)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(jì)。因此，基于加權(quán)余弦馬田系統(tǒng)最終精選得到28個(gè)可用于預(yù)測建模的關(guān)鍵敏感變量。3.4 航煤10%餾出溫度預(yù)測結(jié)果與分析

接著，采用十折交叉驗(yàn)證（10-fold cross validation）來進(jìn)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(yù)測模型，其RMSE如表6所示。由表6可知，采用關(guān)鍵敏感變量集合建立的預(yù)測模型精度最高，同時(shí)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(yù)測航煤10%餾出溫度結(jié)果

【參考文獻(xiàn)】：
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(xué)報(bào). 2018(03)
[2]基于趨勢相似度分析的多重時(shí)滯辨識(shí)及其在加氫裂化流程中的應(yīng)用[J]. 王雅琳,夏海兵,袁小鋒,桂衛(wèi)華.  化工學(xué)報(bào). 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(qiáng).  控制理論與應(yīng)用. 2017(06)
[4]基于偏相關(guān)性分析的MPC控制器模型失配檢測[J]. 李秋美,田學(xué)民,尚林源.  化工學(xué)報(bào). 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(yīng)用[J]. 童楚東,史旭華.  化工學(xué)報(bào). 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(xué)報(bào). 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(yīng)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(fù)雜化工過程故障檢測[J]. 馬賀賀,胡益,侍洪波.  化工學(xué)報(bào). 2013(05)
[10]一種改進(jìn)的互信息特征選取預(yù)處理算法[J]. 盧新國,林亞平,陳治平.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2005(01)



本文編號：3073598