工業(yè)過程數(shù)據(jù)隱變量回歸建模及應(yīng)用.pdf

1、關(guān)鍵性能指標(biāo)測量對(duì)于流程工業(yè)的質(zhì)量控制和運(yùn)行性能至關(guān)重要，本論文針對(duì)當(dāng)前流程工業(yè)關(guān)鍵性能指標(biāo)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(dú)立成分回歸為主要研究方法，針對(duì)其存在的不足之處，做了一些應(yīng)用基礎(chǔ)研究工作，取得的主要成果有:
　　針對(duì)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(gè)線性子模型的差異性，并定義變量貢獻(xiàn)度

2、指標(biāo)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(shí)現(xiàn)子模型結(jié)果的集成。通過工業(yè)實(shí)際數(shù)據(jù)，驗(yàn)證了提出方法的有效性。
　　針對(duì)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(kuò)展為混合模型的形式。在此基礎(chǔ)上，針對(duì)回歸建模過程中有標(biāo)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(kuò)展為半監(jiān)督的形式，通過融合大量無標(biāo)簽樣本的信息，提升回歸模型的預(yù)測性能。
　　針對(duì)