[发明专利]一种基于选择性双层集成学习适用于复杂工业过程产品质量指标缺失数据补全的方法及系统

说明书

本发明涉及工业过程控制技术领域，公开了一种基于选择性双层集成学习适用于复杂工业过程产品质量指标缺失数据补全的方法及系统。首先提取采样数据的不同维变量生成多个采样集作为子模型的训练集；然后对每个子模型分别采用向量机、BP神经网络、偏最小二乘法三种方法进行建模；最后提出了一种补全效果评估指标，对各子模型的补全效果进行评估，选取补全效果最好的几个子模型进行选择性集成。本发明充分利用了训练样本的全部变量，具有较好的数据补全效果，有助于企业根据分析得到的生产过程实际运行状况进行有针对性的生产操作优化。

技术领域

本发明涉及工业过程控制技术领域，特别涉及一种基于选择性双层集成学习适用于复杂工业过程产品质量指标缺失数据补全的方法及系统。

背景技术

复杂工业过程中，由于某些质量指标无法通过传感器直接量测得到，需要人工采集离线化验，化验周期长，不能实时获取质量指标数据，使得质量指标缺失数据的补全问题已然成为了一个焦点。目前复杂工业过程大多引进了计算机控制系统，由此量测得到的大量生产过程数据，为难测质量指标缺失数据的补全提供了便利。

然而复杂工业过程中的数据往往具有以下特点，导致现有技术中的补全方法难以取得理想的结果：一是复杂工业过程的控制系统，往往有数以百计的传感器对过程变量进行量测，变量维数很高，数据量非常巨大，而产品质量指标数据需要较长的时间进行离线化验，采样频率很低。因此经过数据预处理后，可以用于数据补全的样本数很少；二是工业系统的高维数据往往存在较强的耦合，会严重影响参数估计，增大模型误差；三是工业过程存在大量复杂的化学反应，各类参数之间的关系都是非线性的，例如温度与熵值、反应温度与反应速度之间等都是典型的非线性关系，这种非线性关系给数学模型的建立带来了很大的难度。

目前常用的数据补全方法包括均值插补、热平台插补、期望最大化插补、回归插补等，由于回归插补法可以尽量多地利用数据样本中的信息，所以多数研究集中于回归插补法。然而在使用回归插补法时，由于复杂工业过程数据具有维数高、非线性、强耦合的特点，所以导致数据补全的精度可能会不稳定。同时因为复杂工业过程可用于数据补全的样本数量过少，如果仅按较少的数据样本建立数据补全模型，可能会导致模型出现欠拟合的情况。

发明内容

本发明所要解决的技术问题是针对复杂工业过程中过程变量众多、变量间存在较强耦合、数据波动大的难点，提出一种基于选择性双层集成学习适用于复杂工业过程产品质量指标缺失数据补全的方法及系统：

一种基于选择性双层集成学习适用于复杂工业过程产品质量指标缺失数据补全的方法，其特征在于，包括如下步骤：

S1.生成训练集：

S11、收集复杂工业过程产品质量指标，形成的具有N个样本的原始数据集；

S12、从所述的原始数据集中有放回地随机抽取和原始数据集容量相同的采样集，重复M次，得到M个相互独立的采样集；

S13、对每个所述的采样集不放回地随机选取K个变量作为训练集的特征变量，所述的K的值由经验公式确定：

其中P的值为原始数据集的总维数，由此生成M个N×K的训练集；

S2.建立子模型并生成补全结果：

S21.基于所述M个训练集，对每个训练集分别使用偏最小二乘法、支持向量机、BP神经网络三种建模方法补全数据，分别得到三个补全结果：

S22.使用最小二乘法分别估计偏最小二乘法、支持向量机、BP神经网络三种建模方法的权重z₁、z₂、z₃，加权计算得出每个子模型的补全结果，具体计算如下：

假设实际输出为y，则

令则上式可简记为：