[发明专利]一种基于异构相似度的选择性集成即时学习软测量建模方法

摘要

本发明涉及一种基于异构相似度的选择性集成即时学习软测量方法，属于过程工业软测量建模和应用领域。本发明以局部加权偏最小二乘(LWPLS)算法为基学习器，通过定义多个相似度函数建立相似度函数库，然后基于进化多目标优化算法选择相似度函数，根据选出的相似度函数构建满足准确性和多样性指标的基模型，最后采用Stacking集成学习策略实现即时学习基模型的融合。本发明通过进化多目标优化算法从相似度库中选择合适的相似度以适应复杂的工业过程，通过集成策略有效地提升了预测精度。

主权项

1.一种基于异构相似度的选择性集成软测量建模方法，其特征在于，包括以下步骤：(1)利用集散控制系统收集工业过程中的辅助变量作为软测量建模的输入变量X，通过离线实验分析获取与输入变量X对应的变量作为输出变量Y，并形成样本集其中N为样本数，M为输入变量维度，L为输出变量维度；(2)将样本集[X,Y]分别划分为训练集和验证集，并且对样本集[X,Y]标准化处理得到均值为0，方差为1的新的样本集(3)分别定义多个不同的相似度函数，构建多样性的相似度函数库Γ＝[d₁,d₂,…d_n,…d_K]；(4)根据步骤(3)中K个相似度函数对应的相似度准则从训练集中挑选出K个不同的建模样本集，每个建模样本集中的样本数为N_l个；(5)通过LWPLS算法对步骤(4)中得到的K个不同的建模样本集进行建模得到K个基模型，并得到各个基模型的输出(6)利用进化多目标优化算法从K个相似度函数中选择M_s个相似度函数，M_s<K，并对应得到M_s个基模型；(7)采用Stacking集成策略，对选择出的M_s个基模型进行融合得测量模型。