基于核偏最小二乘法的热轧板凸度预测

以某2160 mm热连轧生产线为研究对象,结合生产数据和数据驱动算法,提出并建立基于核偏最小二乘法和偏最小二乘法的热轧板凸度预测模型,并对模型的参数进行调整和优化。结果表明:偏最小二乘法模型的预测值与实测值误差为-25~30μm,88.74%的板凸度预测值绝对误差小于10μm;核偏最小二乘法模型的预测值与实测值误差为-25~25μm,91.57%的板凸度预测值绝对误差小于10μm。因此,优化后的核偏最小二乘法模型具有更好的预测效果。

短程硝化过程的光谱特征波段选择与间隔偏最小二乘法建模

序批式活性污泥反应器(SBR)是目前应用较广的活性污泥处理装置。通过SBR反应器处理人工模拟高氨氮废水研究短程硝化反应系统启动过程中硝酸盐氮和亚硝酸盐氮含量的变化,利用紫外光谱采集所得数据为基础建立模型,以期快速预测SBR反应器出水中硝酸盐氮、亚硝酸盐氮含量。采用实验室配置的不同浓度硝酸盐氮和亚硝酸盐氮混合溶液,以三种不同波段选择的区间偏最小二乘法(iPLS)构建标准混合液的校正模型。研究结果显示,所建模型对混合液中硝酸盐氮和亚硝酸盐氮实测值与预测值相关性均较好。测定反应器出水指标,同样以三种不同波段选择的偏最小二乘法算法构建紫外光谱与硝酸盐氮和亚硝酸盐氮含量的模型。利用校正集相关系数、交叉验证均方根误差(RMSECV)、预测集的相关系数以及预测均方根误差(RMSEP)评价指标来评价模型结果。在iPLS、siPLS、biPLS三种模型中利用联合区间偏最小二乘法(siPLS)将全光谱分别等分为24、19个区间时,分别联合子区间[24]、[38]建立的模型预测拟合结果最优,其校正模型r=0.9393、RMSECV=1.6504,r=0.9507、RMSECV=0.4421,预测模型r=0.9992、RMSEP=1.3418,r=0.9119、RMSEP=2.6770。该模型对硝酸盐氮和亚硝酸盐氮的预测效果总体较好,表明利用紫外光谱建立区间偏最小二乘法模型可以实现对短程硝化反应器出水硝氮和亚硝氮含量的快速预测。

基于偏最小二乘回归的土壤碱解氮含量估测

构建基于室内高光谱数据的土壤碱解氮含量估测模型,为快速、准确获取土壤中养分信息提供新的方法。对新疆乌鲁木齐市106个风干的土壤样品进行研磨过筛,在室内进行反射率光谱数据的采集,对采集的光谱数据进行Savitzky-Golay滤波、一阶微分(FDR)、连续统去除(CR)、多元散射校正(MSC)4种预处理,在此基础上利用连续投影算法对预处理后的数据进行特征波段的筛选,用偏最小二乘回归建立不同预处理后土壤碱解氮含量预测的高光谱分析模型。模型评价指标采用决定系数(R^(2))、均方根误差(RMSE)、相对分析误差(RPD)平均相对误差(MAE)。结果显示:4种预处理方法中以连续统去除处理的预测精度最为突出,其模型R^(2)、RMSE、RPD、MAE分别为0.90、13.0、2.26、0.13;模型的线性回归方程为:y=0.9316x+8.763。因此,利用连续统去除结合偏最小二乘回归,能够较好地估测乌鲁木齐市土壤中碱解氮的含量。该结果可为室内高光谱数据快速反演土壤碱解氮含量提供理论依据。

遗传算法结合区间偏最小二乘法在草莓酸度近红外光谱检测的研究

为探索近红外漫反射光谱技术快速无损检测草莓酸度的新方法,共采集了100颗草莓漫反射近红外光谱数据（波长范围1 000~1 800 nm）。通过采用标准正交变换（SNV）对原始光谱进行预处理后,将全光谱分为10个子区间,通过样本交互验证法优化每个子区间的最佳主成分数并计算区间对应的交互验证均方根误差（RMSECV）,得到第4个子区间（共80个特征波长）对应的预测均方根误差最小。采用遗传算法对第4子区间内的波数点进一步优选出1 483,1 482,1 485,1 460 nm 4个波数点,用这4个波长的光谱信息建立的草莓近红外酸度模型预测集相关系数为0.937 5,预测集均方根误差为0.072。结果表明：间隔偏最小二乘法结合遗传算法能筛选出最优波长并能减少建模所用变量,提高检测精度,保证模型的稳健性。

基于后向区间选择偏最小二乘算法的软测量建模

偏最小二乘是在光谱多变量校正中广泛使用的一种算法,现已经发现高效的变量选择不仅能够提高模型的预测能力,也可大大降低模型的复杂度。为了建立具有鲁棒性和低复杂度的基于光谱的在线软测量模型,考虑到光谱变量之间高度相关这一事实,提出一种基于后向区间选择策略的偏最小二乘算法。该算法主要步骤是:先将光谱波长域细分为一定数量的等长子区间;再采用后向淘汰的策略,将各个子区间逐步淘汰,形成一个淘汰序列;最后,再反向选择一定数量的子区间建立最终的模型。通过一个实例以及与传统基于全谱的偏最小二乘算法比较,显示出了该算法的在建立软测量模型方面的优良性能。

近红外光谱技术结合反向区间偏最小二乘算法-连续投影算法预测哈密瓜可溶性固形物含量

采用近红外光谱技术结合数据降维的方法,建立了哈密瓜可溶性固形物含量的预测模型,对原始光谱进行特征区间选择,共选取了6个子区间,432个光谱变量;将6个联合子区间的光谱数据分别结合特征选择竞争性自适应重加权采样算法、遗传算法、连续投影算法(successive projections algorithm, SPA)提取特征波长;再使用选取的特征波长以及特征区间波长作为模型的输入变量,利用极限学习机和偏最小二乘算法(partial least squares, PLS)建立哈密瓜可溶性固形物含量预测模型。结果显示,反向区间偏最小二乘算法+SPA+PLS建立的预测模型最优,模型的校正集相关系数为0.923 4,预测集相关系数为0.878 8,模型能够准确预测哈密瓜可溶性固形物含量。

区间偏最小二乘结合差分进化算法应用于鱼粉近红外光谱波长筛选

蛋白质含量是评价鱼粉质量的重要指标,该文采用近红外(NIR)光谱分析技术结合特征筛选方法建立了鱼粉蛋白质含量的快速定量分析模型,并结合区间偏最小二乘(iPLS)和二进制变异策略的差分进化(DE)算法建立了区间偏最小二乘差分进化(iPLS-DE)的波长筛选优化模式,对鱼粉NIR光谱数据进行特征波长筛选。iPLS-DE通过调试iPLS中等分子区间的数量,优选出9个最优特征波段,再采用二进制变异策略的DE算法在最优特征波段内筛选离散特征波长组合,最后根据模型的评价指标确定iPLS-DE优选模型并与iPLS优选模型进行比较。结果表明,将鱼粉全谱等分为5个子区间时,iPLS-DE筛选出50个离散特征波长建立的优选模型对测试集样品的预测均方根误差和相对分析误差分别为1.033%和4.058,而iPLS优选模型对测试集样品的预测均方根误差和相对分析误差分别为1.131%和3.855。表明iPLS-DE方法能够有效地提高NIR光谱分析模型对鱼粉蛋白质定量检测的预测能力。

基于遗传算法和间隔偏最小二乘的苹果硬度特征波长分析研究

利用傅里叶近红外光谱(FT-NIRS)测定了苹果的硬度。通过使用几种基于遗传算法和间隔偏最小二乘法的特征波长选取方法,包括动态向后间隔偏最小二乘(dynamic backward version of interval PLS,dynamic biPLS)、动态向后间隔偏最小二乘结合遗传算法(dynamic biPLS & GA-PLS)和反复的遗传算法(iterative GA-PLS),分析了苹果硬度的特征波长。结果表明,运用遗传算法和间隔偏最小二乘选择特征波长后,不但可以降低模型的复杂度,同时能够达到提高模型预测精度的效果。在此基础上,研究分析了苹果硬度特征波长的物理化学意义。由于果胶是在苹果成熟过程中一种和硬度有很大关联的物质,通过比较苹果硬度的特征波长和果胶的特征吸收峰,发现两者具有有很好的一致性。因此,采用遗传算法和间隔偏最小二乘法得到的苹果硬度的特征波长能够反映果胶的吸收信息,从而解释了近红外技术检测苹果硬度的机理。

基于遗传算法和偏最小二乘法的土壤激光诱导击穿光谱定量分析研究

在空气环境下,采用激光诱导击穿光谱(LIBS)技术对土壤成分进行检测,建立了基于遗传算法(GA)和偏最小二乘法(PLS)的定量分析模型。将配制的58个土壤样品分为定标集、监控集和预测集,对11种组分Mn,Cr,Cu,Pb,Ba,Al2O3,Ca O,Fe2O3,Mg O,Na2O和K2O的含量分别进行预测。结果表明,GA作为一种谱线选择的预处理方法,可以有效减少用于PLS建模的光谱谱线的数目,从而简化模型。对于土壤中的大部分组成成分,GA-PLS模型能够显著改善传统PLS模型的预测能力。以Mn元素为例,浓度预测均方根误差(RMSEP)从0.0215%降低至0.0167%,平均百分比误差(MPE)从8.10%降低至5.20%。本研究为进一步提高土壤的LIBS定量分析准确度提供了方法参考。

Bagging偏最小二乘和Boosting偏最小二乘算法的金银花醇沉过程近红外光谱定量模型预测能力研究

建立金银花醇沉过程中稳健的近红外光谱（Nearinfraredspectroscopy,NIR）定量模型,为金银花醇沉过程的快速评价提供方法。研究基于金银花醇沉过程绿原酸的NIR数据,通过建立Bagging偏最小二乘（Bagging-PLS）模型、Boosting偏最小二乘（Boosting-PLS）模型与偏最小二乘（PartialLeastSquares,PLS）模型,实现对模型性能比较；在此基础上,采用组合间隔偏最小二乘法（Synergyintervalpartialleastsquares,siPLS）和竞争自适应抽样（Competitiveadaptivereweightedsampling,CARS）法分别对光谱进行变量筛选,建立模型,实现了对模型预测性能的考察。实验结果表明,Bagging-PLS和Boosting-PLS（潜变量因子数设为10）的预测性能均优于PLS模型。在此基础上,两批样品采用siPLS筛选变量,第一个批次金银花筛选波段820-1029.5nm和1030-1239.5nm,第二个批次金银花醇沉筛选波段为820-959.5nm和960-1099.5nm；采用CARS方法变量筛选,两批样品分别选择5折交叉验证和10折交叉验证,取交叉验证均方根误差（RMSECV）值最小的子集作为最终变量筛选的结果。经过变量筛选的两批金银花醇沉过程中的绿原酸含量Bagging-PLS和Boosting-PLS模型的预测均方根误差（RMSEP）值降低了0.02-0.04g/L,预测相关系数提高了4%-5%。综上,Baggning-PLS和Boosting-PLS算法可作为金银花醇沉过程NIR定量模型的快速预测方法。

遗传算法用于偏最小二乘方法建模中的变量筛选

利用全局搜索方法─—遗传算法（ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ， ＧＡ）对近红外光谱快速分析中的波长变量进行筛选，再用偏最小二乘方法（ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅｓ， ＰＬＳ）建立分析校正模型。对两类样品的近红外光谱分析应用实例表明，这种选取变量进行校正的方法，不仅简化、优化了模型，而且增强了所建模型的预测能力，尤其适用于单纯ＰＬＳ较难校正关联的体系。

遗传算法结合偏最小二乘法无损评价西洋梨糖度

基于遗传算法的波段选择法在组合优化问题上具有很大的搜索优势,适应性很广。文章将该方法应用于西洋梨糖度近红外光谱分析中,探讨数据优化筛选的可行性。光谱经多元散射校正或标准归一化处理后进行波段选择,选择结果与样品中被测成分有关,4个品种洋梨的最佳个体染色体编码有一定共性。分别建立了四种洋梨的GA-PLS模型和全谱模型,早红考密斯、五九香、凯斯凯德和康佛伦斯的GA-PLS建模数据点分别从1 557减少到了434,496,310和496。GA-PLS/Fr-PLS模型的预测标准偏差分别为0.428/0.518,0.696/0.694,0.425/0.421和0.567/0.633,其中早红考密斯和康佛伦斯GA-PLS模型的预测精度明显优于全谱模型,而五九香和凯斯凯德的GA-PLS模型与全谱模型相近。结果表明,遗传算法用于PLS建立西洋梨糖度校正模型前的数据优化筛选是可行的,有效提高测量精度,减少建模变量。

用遗传区间偏最小二乘法建立苹果糖度近红外光谱模型

为了简化苹果糖度预测模型和提高模型的精度,用遗传区间偏最小二乘法(GA-iPLS)建立苹果近红外光谱预测模型。应用结果表明,整个光谱划分为40个子区间,GA-iPLS选择其中的第4,6,8,11,18号共5个子区间联合建立苹果糖度模型。遗传区间偏最小二乘法所建的模型,其校正时的相关系数rc和交互验证均方根误差RMSECV分别为0.962和0.3346,预测时的相关系数rp和预测均方根误差RMSEP分别为0.932和0.3842。与全光谱模型相比,该方法建立的模型不论对校正集还是预测集,模型的预测能力都提高了许多,且模型得到了很大的简化:其实际采用的波数点个数比全光谱模型采用的波数点个数大大减少,主因子数也比全光谱少,由此建立的模型更加简洁、数据运算量也更少。

偏最小二乘相关算法在系统建模中的两类典型应用

讨论了偏最小二乘回归(PLSR)的相关算法对两类典型实际系统建模的有效应用。分析了传统的偏最小二乘回归批处理算法及由此产生的一种简化算法的基本原理和技术特点。在此基础上,对原有的递推算法进行了一定程度的改进,直接采用自变量主元t的回归系数矩阵P和R来取代旧的数据信息,从而进一步简化了计算过程。针对上述两种算法的特点,分别对无人机费用模型(少样本,多变量)和切削力峰值模型(多样本,少变量)参数进行了估计计算,说明了各自算法的应用优势。

基于改进遗传算法-偏最小二乘回归的大坝变形监测模型

【目的】针对常规大坝变形监测回归模型中存在的因子多重相关性干扰和模型拟合效果欠佳问题,进行偏回归模型优化方法研究。【方法】将改进的遗传算法引入大坝变形监测偏回归模型,利用遗传算法强大的自适应全局优化搜索功能,对偏最小二乘回归模型进行优化,建立了基于改进遗传算法-偏最小二乘回归的大坝变形监测模型。【结果】工程实例研究与对比分析表明,改进遗传算法-偏最小二乘回归模型在一定程度上改善了原偏回归模型存在的拟合效果不佳的问题。【结论】改进遗传算法-偏最小二乘回归模型具有较好的拟合与预测能力,有较强的工程实用性。

结构方程模型的偏最小二乘算法及其几何意义

对含两个潜变量结构方程模型的偏最小二乘(PLS)建模技术进行了研究,给出了相应的路径图、模型设定步骤和求解算法,指出该方法本质上是一种迭代收敛算法.通过引入一种新的算符,给出了PLS算法命令图.并且基于命令图详细讨论了该算法在多维向量空间中的几何意义,在此基础上分析了不同权重关系(A型与B型)对算法的影响,得到了与其对应的各种几何图形.最后指出在算法已收敛与尚未收敛两种情况下,潜变量估计值的投影位置是不同的.

基于偏最小二乘法的遗传模拟退火算法及其在大坝安全监控中的应用

介绍了基于偏最小二乘法的遗传模拟退火算法的编程方法和利用其建立大坝安全监控模型的方法。实例分析表明,遗传模拟退火算法筛选影响因子后由偏最小二乘法建立的安全监控模型与直接由偏最小二乘法建立的模型相比,不仅简化了模型、提高了模型的拟合精度,而且增强了所建模型的预测能力。

基于时间差分和局部加权偏最小二乘算法的过程自适应软测量建模

工业过程软测量模型常常因为过程的变量漂移、非线性和时变等问题而使得预测性能下降。因此,时间差分已被应用于解决过程变量漂移问题。但是,时间差分框架下的全局模型往往不能很好地描述过程非线性和时变等特性。为此,提出了一种融合时间差分模型和局部加权偏最小二乘算法的自适应软测量建模方法。时间差分模型可以大大减少过程变量漂移的影响,而局部加权偏最小二乘算法作为一种即时学习方法,可以有效解决过程非线性和时变问题。该方法的有效性在数值例子和工业过程实例中得到了有效验证。

化学计量学非线性偏最小二乘算法进展评述

评述了偏最小二乘法 (PLS)近年来非线性化的进展以及重要算法的原理、特性和应用。一类是对自变量进行非线性前处理的方法 ,包括二次变换、Chebychev变换和基于机理的变换 ;另一类是基于内部非线性映射的PLS ,主要有多项式映射、样条函数映射、由遗传算法辅助实施的任意非线性映射和神经网络映射 ;介绍了具有类似功能的正交网模型。本文还就算法的普适性、稳健性和简易性 ,及其非线性化的演变进程予以评述。

基于小波变换-遗传算法-偏最小二乘的草莓糖度检测研究

采用近红外漫反射光谱分析技术,对草莓糖度进行了无损检测研究。利用便携式近红外光谱仪采集草莓样品在600~1100 nm波段内的漫反射光谱数据。首先利用小波变换(WT)多分辨率方法对光谱数据进行去噪预处理,然后利用遗传算法(GA)优选特征波长,最后运用偏最小二乘法(PLS)建立草莓糖度的WT-GA-PLS校正模型。该模型校正集的相关系数R C为0.9395,校正集的均方根误差RMSEC为0.1615,预测集的相关系数R P为0.9652,预测集的均方根误差EMSEP为0.5042。与全光谱模型(FS-PLS)和小波变换模型(WT-PLS)相比,该模型预测能力更强,稳健性更优。