[发明专利]一种多模型动态软测量建模方法

摘要

一种多模型动态软测量建模方法，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，利用证据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得到多模型的输出；最后，结合自回归滑动平均模型对多模型的预测误差进行动态估计。

主权项

1.一种多模型动态软测量建模方法，其特征在于，包括以下步骤：S1、数据预处理：选择训练样本数据集X_m*n，m为样本维数，n为样本个数，剔除异常数据并对数据进行归一化处理；S2、自适应模糊核聚类分析：采用自适应模糊核聚类方法对训练样本数据集X_m*n进行聚类，得到每个样本的模糊类隶属度和各聚类中心，并自动确定出最佳聚类数目c；S3、建立子模型：采用最小二乘支持向量机对c个聚类的训练样本集进行训练学习，选择高斯核函数作为最小二乘支持向量机的核函数，通过交叉验证法建立并确定c个子模型的参数：惩罚因子C和核参数σ，并得到各个子模型的输出S4、基于证据理论合成规则的子模型输出融合：计算各子模型的证据概率分配函数值，将其作为子模型的权值因子，然后对各子模型的输出进行证据融合，得到静态多模型输出S5、模型输出的动态化：使用自回归滑动平均模型对当前时刻t的多模型输出，即对进行动态调整，首先判断是否是平稳序列，若不是，将转换为平稳序列；否则直接将和真实测量值y相减，得到一个关于输出值误差Δy的时间序列，然后利用自回归滑动平均模型(p,q)对该时间序列进行建模，得到关于预测误差的自回归滑动平均模型，最后，将以上两模型相结合进行模型预测，则最终的动态多模型输出为