貝葉斯方法在化工軟測量建模中的應用研究.pdf

1、貝葉斯學習理論使用概率表示各種形式的知識和不確定性，并通過概率規(guī)則來實現(xiàn)學習和推理過程，是處理不確定信息的有力工具。本文在學習貝葉斯方法的理論及其應用基礎上，詳細討論了貝葉斯方法在數(shù)據(jù)分類中的應用以及貝葉斯方法在化工軟測量建模的應用。
　　 本文就以上主要內(nèi)容進行了深入的研究并取得了以下結果:
　　 (1)軟測量建模問題中為了提高模型的估計精度，通常需要將原始數(shù)據(jù)集分類，以構造多個子模型。本文利用樸素貝葉斯分類器簡單高效

2、的優(yōu)點，首先對連續(xù)的類變量進行類別范圍劃分，然后用概率論中的“3σ”規(guī)則對連續(xù)的屬性變量離散。為了消除訓練樣本中干擾數(shù)據(jù)的影響，利用遺傳算法從訓練樣本集中優(yōu)選樣本。對連續(xù)變量的離散和樣本的優(yōu)選作為對數(shù)據(jù)的預處理，最后由預處理后的訓練樣本構建貝葉斯分類器。通過對UCI數(shù)據(jù)集和雙酚A生產(chǎn)過程在線監(jiān)測數(shù)據(jù)集的實驗仿真，實驗結果表明:基于遺傳算法優(yōu)選樣本集的“3σ”規(guī)則樸素貝葉斯分類方法比其它方法有更高的分類精度。
　　 (2)將貝葉斯

3、網(wǎng)絡應用于化工軟測量建模。在綜合考慮生產(chǎn)過程工藝機理的基礎上利用領域專家知識構建網(wǎng)絡模型，采用加權聯(lián)合高斯分布函數(shù)來近似表達貝葉斯網(wǎng)絡模型中的聯(lián)合概率分布，并給出了貝葉斯網(wǎng)絡估計公式。對某企業(yè)雙酚A生產(chǎn)裝置在線采集的數(shù)據(jù)進行建模，離線估計取得了較好的效果。與支持向量機方法相比，在估計精度相當?shù)那闆r下，省去了許多過程參數(shù)的估計，因此也是一種有效的軟測量建模方法。
　　 (3)為了改善軟測量模型的估計精度，提出了一種基于貝葉斯分類算