在工業(yè)過程中,一些重要的質(zhì)量變量往往無法通過在線儀表實時測量得到,并且實驗室離線分析可能存在比較大的時間滯后性和高成本的情況。軟測量技術(shù)通過構(gòu)建易測變量與質(zhì)量變量間的函數(shù)關(guān)系,實現(xiàn)對質(zhì)量變量的在線監(jiān)測。對于具有非線性、多階段等特征的工業(yè)過程,建立單一結(jié)構(gòu)的全局軟測量模型往往會出現(xiàn)泛化能力不強,過程階段性解釋力差等局限。本文研究了基于集成學(xué)習(xí)的多模型建模方法,通過構(gòu)造多個簡單的局部模型,最后,按照約定的規(guī)則對局部模型的輸出結(jié)果進(jìn)行融合,得到最終的模型輸出。以集成學(xué)習(xí)思想和高斯過程回歸（Gaussian Process Regression,GPR）算法為基礎(chǔ),對現(xiàn)有軟測量技術(shù)進(jìn)行了改進(jìn),主要取得的成果如下:1)針對實際工業(yè)過程呈現(xiàn)非線性、高維度和時變等特點,以及過程的質(zhì)量變量難以實時監(jiān)測的問題,利用核主元分析方法（Kernel Principal Component Analysis,KPCA）對采集的過程數(shù)據(jù)進(jìn)行非線性的降維處理;基于降維后的主成分重構(gòu)輸入樣本集,利用Bagging算法獲得若干子樣本集,并建立相應(yīng)的GPR局部模型;最后根據(jù)貝葉斯后驗概率計算得到各局部模型的權(quán)重,進(jìn)行融合... 

【文章來源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

軟測量應(yīng)用結(jié)構(gòu)示意圖

圖 1-2 集成學(xué)習(xí)算法的應(yīng)用示意圖根據(jù)集成學(xué)習(xí)方法的整體實現(xiàn)方式，可劃分為三部分：個體學(xué)習(xí)機樣本集的學(xué)習(xí)機的訓(xùn)練、個體學(xué)習(xí)機的融合。針對這三個部分，國內(nèi)外研究者進(jìn)行了與應(yīng)用，下面將對這三部分做簡單的介紹。(1) 個體學(xué)習(xí)機樣本的產(chǎn)生

圖 1-5 隨機子空間算法(2) 個體學(xué)習(xí)機的訓(xùn)練對個體學(xué)習(xí)機采用不同的學(xué)習(xí)算法，或者對具有差異性的樣本子集采用相同的學(xué)習(xí)訓(xùn)練均可以滿足集成學(xué)習(xí)對個體學(xué)習(xí)機之間具有差異性的要求，所以個體學(xué)習(xí)機的訓(xùn)


本文編號：2900708