【摘要】：關(guān)鍵性能指標測量對于流程工業(yè)的質(zhì)量控制和運行性能至關(guān)重要,本論文針對當前流程工業(yè)關(guān)鍵性能指標測量難的問題,以目前三大類常用隱變量回歸模型:主元回歸、偏最小二乘回歸以及獨立成分回歸為主要研究方法,針對其存在的不足之處,做了一些應用基礎(chǔ)研究工作,取得的主要成果有:針對主元回歸模型在非線性建模方面的不足,提出一種基于線性子空間的主元回歸新模型。通過沿著不同主元方向構(gòu)建線性子空間,有效地保障了各個線性子模型的差異性,并定義變量貢獻度指標選取相關(guān)變量建立主元回歸子模型。最后,通過貝葉斯概率加權(quán)的方式實現(xiàn)子模型結(jié)果的集成。通過工業(yè)實際數(shù)據(jù),驗證了提出方法的有效性。針對傳統(tǒng)偏最小二乘回歸模型在概率建模方面的不足,提出一種概率形式的偏最小二乘回歸模型,并將單模型的結(jié)構(gòu)擴展為混合模型的形式。在此基礎(chǔ)上,針對回歸建模過程中有標簽數(shù)據(jù)樣本數(shù)量有限的情況,將概率偏最小二乘回歸模型擴展為半監(jiān)督的形式,通過融合大量無標簽樣本的信息,提升回歸模型的預測性能。針對獨立成分回歸模型的結(jié)構(gòu)不穩(wěn)定性,提出一種基于雙層獨立成分回歸建模的軟測量方法。通過貝葉斯概率集成的方式,融合各個獨立成分方向上子模型的預測結(jié)果,有效改進了對光譜數(shù)據(jù)的建模和預測效果�；诩蓪W習方法,對三大類常用隱變量回歸建模方法進行融合,互相取長補短,彌補各自的缺陷,通過多模型結(jié)構(gòu)bagging方法,并結(jié)合最小二乘參數(shù)優(yōu)化,進一步提升了隱變量回歸模型在實際應用中的效果。
【圖文】：

圖２．１：線性子空間示意圖逡逑

２．４．１邋ＦＣＣＵ邋過程逡逑傳統(tǒng)的流體催化裂化過程一般由４個子系統(tǒng)構(gòu)成，分別為反應堆再生器子系逡逑統(tǒng)，分餾器子系統(tǒng)，吸收器穩(wěn)定器子系統(tǒng)和氣體子系統(tǒng)等，圖２．２給出了邋ＦＣＣＵ逡逑過程的示意圖（Ｌｉｕ等２００９）。在該過程中，主要產(chǎn)品有三大類，，分別為汽油，輕逡逑柴油和液化石油氣。為了對該過程進行質(zhì)量控制，這三類產(chǎn)品的產(chǎn)量必須進行在逡逑線測量，但是，由于技術(shù)條件的限制，目前這三類產(chǎn)品的產(chǎn)率需要通過離線的方逡逑式，每８個小時測量一次，這就對反饋控制系統(tǒng)引入了比較大的滯后，對該過程逡逑的產(chǎn)品質(zhì)量控制非常不利。逡逑Ｆｌｕｅ邋ｇａｓ逡逑Ｍｒ邋N邐ｔ邐，邐？0ｒｙｇａＳ逡逑？邋Ｉ邋Ｒｅｇｅｎｅｒａｔｏｒ邐２邐Ｊ逡逑＇邐ｊ邐ｆ邐Ｒｉｃｈ邋ｇａｓ邋廣逡逑Ｊ＾ｔａｌｙｚｅｒ邋ｊｒ邐＾邐邋Ｇａｓｅｏｕｓ逡逑ＣｒａｄｅｏｌｌＱ邋Ｑ邋Ｑ邋——ｈ廣逡逑—■二；＝邋＝ｄ逡逑、Ｊ邋Ｌ邋Ｊ，邋Ｌ邋Ｊ￣￣＼邐一邋＿＿邋＿邋Ｖ邐Ｊ一？邋Ｇａｓｏｌｉｎｅ逡逑Ｈｅａｔｉｎｇ邋ｆｕｒｎａｃｅ：ｅａｃｔｏｒ邋ｆｒａｃｔｉ＇？ｎａｔｏ邋？邐Ｓｔａｂｉｌｉｚｅｒ逡逑一邐Ｋ—ｙ逡逑Ａｂｓｏｒｂｅｒ－Ｄｅｓｏｒｐｔｉｏｎ邋Ｔｏｗｅｒ逡逑！邐
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：O212.1

【相似文獻】

相關(guān)期刊論文 前10條

1 劉娟;;中國省際間人力資本流動原因的隱變量分析[J];人口與經(jīng)濟;2007年02期

2 鄧日升;岳昆;武浩;劉惟一;;面向商品評分預測的隱變量模型構(gòu)建與推理[J];小型微型計算機系統(tǒng);2017年02期

3 王秀美;高新波;張乾坤;宋國鄉(xiāng);;一種基于局部保持的隱變量模型[J];模式識別與人工智能;2010年03期

4 肖應旺;;動態(tài)隱變量法及其在動態(tài)過程監(jiān)控中的應用[J];儀器儀表學報;2012年01期

5 仝明磊;邊后琴;;共享隱變量模型的解析算法及應用[J];上海電力學院學報;2010年05期

6 孫尚拱;隱變量分析簡介(六)[J];數(shù)理統(tǒng)計與管理;2002年06期

7 洪定國;;量子力學正統(tǒng)理論與隱變量理論之分歧[J];湖南師范大學自然科學學報;1985年01期

8 師量;;定域隱變量理論實驗檢驗概況評述[J];北京師范大學學報(自然科學版);1976年Z1期

9 楊智勇;劉金蘭;;基于隱變量分析的企業(yè)信息系統(tǒng)評價實證研究[J];科技進步與對策;2009年02期

10 熊麗;梁軍;錢積新;;基于偏最小二乘隱變量空間的控制器設計方法[J];化工學報;2007年02期

相關(guān)會議論文 前5條

1 ;Experimental State-Independent Noncontextual Hidden Variable Test with a Qutrit[A];第十五屆全國量子光學學術(shù)報告會報告摘要集[C];2012年

2 趙玲玲;周水生;王雪巖;;基于集成算法的半監(jiān)督學習[A];第十四屆全國信號處理學術(shù)年會(CCSP-2009)論文集[C];2009年

3 杜明亮;方開泰;;多種建模方法用于均勻設計試驗的思考[A];2007均勻試驗設計學術(shù)交流會論文集[C];2007年

4 吳龍飛;孫浩;計科峰;;基于集成映射的半監(jiān)督圖像分類方法[A];第八屆全國信號和智能信息處理與應用學術(shù)會議會刊[C];2014年

5 陳耀東;王挺;陳火旺;;半監(jiān)督學習和主動學習相結(jié)合的淺層語義分析[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

相關(guān)博士學位論文 前10條

1 鄭俊華;工業(yè)過程數(shù)據(jù)隱變量回歸建模及應用[D];浙江大學;2018年

2 王秀美;隱變量模型的建模與優(yōu)化[D];西安電子科技大學;2010年

3 池清華;PLS隱變量空間模型預測控制算法研究[D];浙江大學;2015年

4 任昌亮;基于關(guān)聯(lián)行為的隱變量理論與量子非定域性的研究[D];中國科學技術(shù)大學;2009年

5 唐曉亮;基于神經(jīng)網(wǎng)絡的半監(jiān)督學習方法研究[D];大連理工大學;2009年

6 孫春曉;經(jīng)典隱變量模型與量子關(guān)聯(lián)的研究[D];中國科學技術(shù)大學;2010年

7 桂杰;基于圖的半監(jiān)督學習和維數(shù)約簡方法及其應用研究[D];中國科學技術(shù)大學;2010年

8 趙鶴;面向高維大數(shù)據(jù)的子空間集成學習方法研究[D];中國科學院大學(中國科學院深圳先進技術(shù)研究院);2017年

9 劉天羽;基于特征選擇技術(shù)的集成學習方法及其應用研究[D];上海大學;2007年

10 侯勇;特征提取與集成學習算法的研究及應用[D];北京科技大學;2015年

相關(guān)碩士學位論文 前10條

1 鄧日升;面向商品評分預測的隱變量模型構(gòu)建與推理[D];云南大學;2016年

2 黃斐;基于隱變量模型的歌曲轉(zhuǎn)換方法研究[D];西安建筑科技大學;2015年

3 彭正超;基于隱變量模型的社會化推薦研究[D];電子科技大學;2015年

4 張贊;貝葉斯網(wǎng)絡隱藏變量維數(shù)學習研究及應用[D];合肥工業(yè)大學;2013年

5 陳英豪;半監(jiān)督學習分類算法的研究[D];江蘇大學;2017年

6 王秀芳;具有隱變量的貝葉斯網(wǎng)絡結(jié)構(gòu)學習研究[D];合肥工業(yè)大學;2012年

7 趙鐵牛;通徑分析及其在醫(yī)學研究中的應用[D];山西醫(yī)科大學;2004年

8 楊麗萍;隱變量分形插值函數(shù)的相關(guān)性質(zhì)研究[D];南京財經(jīng)大學;2011年

9 董帥;基于半監(jiān)督學習方法的相關(guān)反饋及其在圖像檢索中的應用[D];北京工業(yè)大學;2016年

10 孫喜洋;基于人工嗅覺系統(tǒng)的集成學習研究[D];浙江大學;2018年

本文編號：2604481