递推部分最小二乘方法

部分最小二乘(PLS)回归可较好地解决多元线性回归中的共线性问题,目前被广泛地应用于过程建模和监控.作者首先给出核PLS算法,然后在此基础上推出递推部分最小二乘(RPLS)方法,可以基于新数据和旧的PLS模型参数更新PLS模型.将该递推PLS方法和传统PLS方法同时用于仿真研究,结果表明递推算法性能和传统方法的相近,而计算量大大减少.

部分最小二乘平差方法及在粗差定值与定位中的应用

部分最小二乘平差是把观测值按照是否含有粗差分成两组 ,对不含粗差的那一组实施最小二乘平差。本文推导了在相关观测条件下的最小二乘原理 ,对这种平差方法的一些估计量的统计性质进行了简单分析 ,结果表明 ,这种方法能够用于粗差估算。本文还详细叙述了用这种方法进行粗差的定值定位的过程 ,即首先根据单位权中误差进行分组 ,然后实施部分最小二乘平差 ,估算粗差的大小。

基于递推部分最小二乘自适应质量监控策略及其在橡胶混炼过程中的应用

提出一种新的基于递推部分最小二乘(RPLS)算法的自适应在线质量监控策略。利用隐变量选择算法,根据实时采集的现场数据,在不增加计算和存储容量的基础上递推更新RPLS过程监测模型,进而更新Qα控制限,从而使RPLS自适应质量监控系统具有强时变跟踪特性,能够有效克服传统监测算法Qα无法反映系统时变性的缺点,大大降低了监控系统的误报率和漏报率,提高监控系统性能。并根据橡胶混炼过程特点,将此方法运用于该时变间歇过程质量监控中,取得了满意效果。

基于部分最小二乘岭估计的粗差定值定位

在利用部分最小二乘原理进行粗差定值定位时,模型的法方程矩阵可能存在病态性,使得到的粗差定值定位结果不可靠。文中针对观测数据包含多个粗差且法方程病态问题,利用岭估计处理病态问题,建立部分最小二乘岭估计的粗差定值定位方法,给出粗差搜索步骤,利用迭代算法实现多个粗差的定值和定位。通过模拟算例分析部分最小二乘法、部分最小二乘岭估计在粗差搜索方面的效果,从另一个角度探讨粗差处理方法,推广现有的误差理论,证明文中方法的有效性。

部分最小二乘平差的快速多维粗差定位定值法

根据部分最小二乘平差原理把观测值按照是否含有粗差分成两组,对含有粗差和不含粗差组分别实施最小二乘平差,从而实现粗差的定位定值。针对原部分最小二乘平差法在分组时速度慢、效率低的缺点,利用观测值改正数的特点,改进了分组方法,从而加快了分组速度,提高了粗差探测效率。

非线性部分最小二乘方法用于推断估计器设计

针对工业过程中某些变量难于在线测量的问题 ,提出一种基于人工神经网络 (ANN)的非线性部分最小二乘的推断估计策略 .首先对历史数据进行部分最小二乘回归分析 ,提取特征信息 .然后用神经网络建立主元之间的内部非线性关系 ,得到产品质量的非参数模型 .仿真结果表明 :该推断估计器具有良好的跟踪速率和较高的估计精度 ,其性能优于基于原始人工神经网络推断估计器的性能 .

非线性部分最小二乘法在催化剂活性建模中的应用

结合统计回归与神经网络的优点，使用基于神经网络的非线性部分最小二乘回归法，建立了醋酸乙烯生产装置催化剂活性的非参数模型，模型的精度高且计算量较小。实际应用证明了方法的有效性。

非线性部分最小二乘方法的研究与应用

该文将部分最小二乘算法与径向基函数神经网络相结合,给出了一种非线性部分最小二乘建模方法,可以更加有效地处理过程非线性和数据共线性等复杂特性,提高模型的精度和推广能力。该方法在确定径向基函数神经网络的隐节点时,采用了一种改进型的k-均值聚类算法来自动确定最优的聚类区数。对煤气化炉合成气组分浓度软测量建模的应用结果表明,采用该方法建立的软测量模型在模型精度和推广能力等方面明显优于二次型多项式部分最小二乘方法建立的模型,并且计算精度满足工业生产的实际要求。

递推部分最小二乘方法及其应用

该文提出了一种递推的部分最小二乘算法。该算法利用遗忘因子法对旧参数矩阵进行加权,再和新数据矩阵组合,构成输入输出的数据矩阵,然后利用PLS核算法得到模型。结合实际工业过程的要求,给出了该算法的步骤,并运用该算法建立了煤气化炉合成气组分浓度的软测量模型。结果表明,递推的部分最小二乘算法可以有效的更新模型,使模型适应过程的变化,并能提高模型的预测性能。

基于小波变换和部分最小二乘的掌纹识别

子空间法作为一种传统的识别方法,识别时基于整幅图像,复杂性比较高,而且没有考虑类别信息。为了降低计算复杂性和在提取数据特征的同时融入类别信息,研究了一种基于小波变换和部分最小二乘(PLS)的掌纹识别算法。在建议的识别方法中,首先通过小波三级分解提取低频子图像,对低频子图像应用PLS提取掌纹特征,然后将样本投影到提取的特征上作为特征向量进行分类识别。应用PolyU掌纹图像库进行实验分析,实验结果表明:与主元分析(PCA)、二维主元分析(2DPCA)和独立主元分析(ICA)相比,该方法的识别率得到了很大的提高,大大减小了误识率和拒识率,验证了该方法的有效性。

部分最小二乘算法的神经元网络实现

部分最小二乘(PLS)算法在多元统计过程监控等领域得到了广泛应用。但常用的求解方法需要多次迭代求解残差矩阵,不利于对算法的理论分析和结论的解释。基于PLS算法的优化函数形式,该文提出一种新的PLS优化目标函数及相应简化算法。在此基础上构造了PLS算法与线性神经元网络之间的自然映射,给出了相应的训练算法及其理论分析。仿真结果验证了所提出算法的有效性,表明该算法可直接从原数据矩阵得到相应的成分及回归系数,并易于对其进行解释。

基于递推非线性部分最小二乘模型的间歇过程批到批优化

针对间歇过程控制策略优化问题,提出一种基于递推非线性部分最小二乘(NLPLS)模型的批到批优化方法:首先采用非线性部分最小二乘方法建立软测量模型,根据过程的控制操作变量对最后的产品质量进行预测。然后基于该模型,计算出最优控制策略并在实际装置上实施。为了解决模型和对象失配并且存在未知扰动的问题,采用递推算法,在每个批次结束后根据新得到的数据和旧模型参数对原模型进行更新。然后,重新求解最优控制策略并在对象上实施。通常经过几个批次,控制策略将收敛到一个满意解。在一个间歇过程上进行仿真研究,同时与基于PLS模型的批到批优化算法进行对比,结果表明采用NLPLS模型取得了优于采用PLS模型的结果。

灰色稳健总体最小二乘估计及高铁路基变形预测

最小二乘估计和部分变量误差模型的总体最小二乘估计不具备抵御粗差的能力。鉴于粗差可能同时出现在灰色白化微分方程的观测值和系数矩阵中,本文提出基于IGGⅢ抗差方案的部分变量总体最小二乘稳健估计。结合仿真数据和高铁路基观测数据,系统地比较稳健最小二乘、部分变量总体最小二乘、本文算法参数估计结果和算法稳定性。结果表明,本文算法预测精度高,可以应用到高铁路基沉降预测中。

基于操作域划分的聚丙烯熔融指数软测量

讨论了如何建立聚丙烯熔融指数软测量模型及模型更新问题.首先根据聚丙烯反应器中的氢气浓度划分操作域,对于每个操作域,用一种新的非线性部分最小二乘方法建立熔融指数软测量子模型,然后将各个子模型进行组合,建立全局模型.为了使模型适应过程的变化,提出一种递推非线性部分最小二乘算法,利用新获得的数据对原模型进行更新.同时基于滑动窗方法,提出模型在线估计和更新策略.实际应用结果表明,模型取得了很好的估计性能,计算精度满足工业生产的实际要求.

鲁棒PLS在间歇生产过程监控中的应用

间歇和半间歇过程在化学工业中占有重要地位,如何对其进行监控一直是过程控制领域研究的热点之一.现实过程中,数据大都存在离群点,易使多向部分最小二乘(MPLS)模型造成误差.针对MPLS统计监控受离群点影响的问题,提出一种基于鲁棒MPLS的统计监控分析和相应鲁棒监控统计量的计算方法.相对于普通MPLS,鲁棒MPLS在建模数据中存在离群点时仍能给出正确的统计监控模型,降低了建模过程对数据的要求.

科技数据库网站信息用户满意度测评研究及实证分析

目前有关顾客满意度方面的研究已经日趋成熟,但针对科技数据库网站的信息用户满意度的相关理论与实践却处于起步阶段.本文在揭示现有理论与科技数据库网站用户特征的基础上,设计了面向科技数据库网站的信息用户满意度测评理论框架.然后,设计调查方案采集实际数据,运用部分最小二乘法（PLS）构建了结构方程模型（SEM）,验证了比较差异的关键维度以及信息用户满意的影响因素、影响机制和影响程度,揭示出科技数据库网站区别于一般商品与服务的用户满意度形成机理的特殊性.

粗差检定的两种途径

给出了解决粗差问题的两种计算方案:①将粗差作为待估参数,采用拟稳平差思路解秩亏问题,直接获得粗差;②选取部分观测值作为准观测值,采用部分最小二乘法获得待估参数,将非准观测值的残差作为粗差。结果表明,两种方案与“拟准检定法”具有相同的效果,具有粗差的观测值在平差时不起作用。

模糊神经网络的混合学习算法及其软测量建模

提出了一阶TSK模糊神经网络的混合学习算法,算法由三部分组成:基于模糊聚类的网络初始化;基于梯度下降的规则前件的学习算法;基于部分最小二乘的规则后件的学习算法。该混合算法可以根据训练样本的分布自动确定模糊神经网络的初始值,当输入变量个数多时不会出现模糊规则数爆炸现象,训练速度快,模型精度高。将混合学习算法应用到PTA工业过程中4-CBA含量的软测量建模中,取得了令人满意的效果。

PLS质量监控及其在Tennessee Eastman过程中的应用

研究质量监测在部分最小二乘(PLS)框架下的可检测性问题,并给出一种新的主成分确定方法.根据故障子空间和变量的显著性测度确定不同故障对质量的影响力,定义最优检测函数,进而建立PLS最优检测模型(ODM),使模型对严重影响产品质量的重要过程故障具有最优检测能力.以TennesseeEastman(TE)过程为案例进行统计质量控制研究,结果表明此方法对重要过程故障的敏感性很高,有助于及时采取补救措施,稳定产品质量.

基于多向PLS方法的间歇过程质量预测

间歇生产过程中,很多质量指标不能在线测量,通常是在反应结束后通过离线分析得到。本文应用多向部分最小二乘(MPLS)方法建立软测量模型,通过在线测量的过程变量对产品质量进行预测。针对异丁烯酸甲酯(MMA)聚合反应过程中的数据进行仿真,结果表明,MPLS方法能够在反应初期就有效的预测出最后的产品质量指标。