基于相关性即时学习法的阈值参数简化

基于相关性即时学习法(Co-JITL)在对化工过程建立模型时,面对不同工况需要人为对多个参数进行调节,这导致模型在使用上缺乏便利性,也容易使模型陷入过拟合情况,不利于模型及时在线更新。针对上述情况,对相关性即时学习法的阈值参数进行简化,并使用仿真案例验证简化阈值参数后模型的预测精度及其应用在控制器设计中的控制效果。结果表明,简化阈值参数后的Co-JITL方法虽然会损失很少的模型精度,但是也能达到较为满意的预测和控制效果,并且与原方法相比,面对新工况时无需使用试错法去调节阈值参数,这将节约大量的离线优化时间,使该方法更加简单实用。