并行MapReduce PLS算法及其在光谱分析中的应用

偏最小二乘(PLS)算法是常用的光谱建模算法,然而对于海量光谱处理情形,在单台计算机上建模及优化时间开销很大。基于MapReduce编程模式,提出了并行MapReduce PLS回归算法,包括并行数据标准化和并行主成分提取两个过程。在多台普通计算机上搭建Hadoop云计算集群平台,以近红外光谱处理为例,开展了算法验证实验。实验结果表明,基于MapReduce编程模式的并行PLS算法对海量近红外光谱数据集进行回归建模时,能有效提高建模速度,随计算机台数的增多可得到接近线性的加速比,并具有良好的扩展性。

一种多向CPLS方法及其在间歇过程监控中的应用

将并行偏最小二乘(CPLS)算法引入到间歇过程监控中,提出一种多向并行偏最小二乘(MCPLS)监控方法。CPLS算法可以提取过程变量与质量变量的相关信息,也能对彼此不相关的信息进行主元提取。与基于PLS的监控方法不同,基于CPIS的过程监控方法提供了一个完整的监控框架,不仅能够监控过程变量,而且也能监控质量变量的信息,更好地反映了过程的运行状态。文中首先将间歇过程三维数据转换为二维数据,然后应用CPLS算法建立过程监控模型,构建T_c^2,T_x^2,Q_z,T_y^2,Q_y监控指标,并通过间歇过程批次间的统计特性计算出监控指标控制限,分别监控过程变量与质量变量的相关信息、彼此无关信息以及残差信号等。最后将MCPLS算法应用到青霉素发酵过程的监控中,应用结果表明了该方法在间歇过程监控中的有效性和优越性。