基于低秩重构表示的动态回归迁移模型

针对实际流程工业过程存在动态时变和概念漂移特性,导致软测量模型预测精度下降的问题,提出基于低秩重构表示的动态迁移回归模型.为了更好地描述动态过程,在动态内模型偏最小二乘框架下,将高维过程数据映射到低维潜变量空间中,以捕获质量变量与潜变量之间的动态相关性.为了减小概念漂移,在获得动态相关性的同时,通过增强不同工况质量变量估计值之间的相关性实现数据的条件分布对齐.在3个公开工业数据集上的实验结果表明:所提出模型的预测精度与静态基模型和动态基模型相比均有所提升,可以有效地提高模型的预测精度和泛化能力.