軟測(cè)量技術(shù)中的變量選擇方法研究.pdf

1、軟測(cè)量技術(shù)近年來已經(jīng)得到了廣泛的重視和應(yīng)用,在過程檢測(cè)和控制系統(tǒng)的發(fā)展中發(fā)揮著越來越大的作用.軟測(cè)量技術(shù)的基本原理是根據(jù)某種最優(yōu)準(zhǔn)則,選擇一組在工業(yè)上容易檢測(cè)而且與主導(dǎo)變量有密切關(guān)系的輔助變量,通過構(gòu)造某種數(shù)學(xué)關(guān)系,用計(jì)算機(jī)軟件實(shí)現(xiàn)對(duì)主導(dǎo)變量的在線估計(jì).從上述定義可以看出,輔助變量的選擇對(duì)建立一個(gè)成熟有效的軟測(cè)量模型至關(guān)重要.所謂輔助變量的選擇就是在一系列預(yù)先給定的自變量集合中找出其中的一個(gè)子集,使得這個(gè)子集能夠?qū)σ蜃兞窟M(jìn)行最好的描述,

2、或者找出一個(gè)變量集的子集,使得這個(gè)子集能夠包含較少的變量,同時(shí)能夠盡可能地保持原來的完整數(shù)據(jù)集的多元結(jié)構(gòu)特征.通過輔助變量的選擇,不僅可以使軟測(cè)量模型得到簡(jiǎn)化,使模型更加容易理解,而且從經(jīng)濟(jì)上能大大降低信息收集的成本.該論文針對(duì)輔助變量的選擇進(jìn)行了研究.使用的主要分析工具是主元分析(PCA:Principle ComponentAnalysis)方法和偏最小二乘(PLS:Partial Least Square)方法,將這些方法結(jié)合遺傳

3、算法和后向回歸等搜索算法來尋找"最優(yōu)"自變量子集.該論文的主要研究工作概括如下:(1)提出了一種基于PLS和PCA相結(jié)合的變量選擇方法;(2)提出了一種在PLS回歸中選擇PLS主成分個(gè)數(shù)的方法;(3)提出了一種用遺傳算法和貝葉斯統(tǒng)計(jì)方法相結(jié)合的變量選擇方法,并通過仿真例子驗(yàn)證了其有效性;(4)利用實(shí)際的工業(yè)數(shù)據(jù),運(yùn)用變量選擇方法建立了一個(gè)關(guān)于4-CBA含量的軟測(cè)量模型.最后,在總結(jié)全文的基礎(chǔ)上,探討了變量選擇技術(shù)有待進(jìn)一步研究和探索的問