基于多样性加权相似度的集成局部加权偏最小二乘软测量建模

来源：信息与控制杂志2019年第2期北京时间：

作者：潘贝, 金怀平, 杨彪, 冯丽辉, 陈祥光

摘要：针对传统即时学习软测量方法仅考虑单一的相似度函数，难以有效处理复杂工业过程中的非线性特性，从而导致模型预测性能受限的问题，提出了一种基于多样性加权相似度（DWS）的集成局部加权偏最小二乘（LWPLS）软测量建模方法.首先采用随机子空间法和高斯混合聚类，构建一组多样性的训练样本子集；然后通过偏最小二乘回归分析确定输入特征权值，从而定义一组多样性加权相似度函数.在线实施阶段，对于任意的查询样本，基于多样性的相似度指标，可建立一组多样性的LWPLS软测量模型，随后引入集成学习策略实现难测变量的融合预测.在数值例子和脱丁烷塔过程中的应用结果表明了该方法的有效性.

关键词：软测量, 即时学习, 集成学习, 加权相似度, 局部加权偏最小二乘