一种基于高斯过程的非线性PLS建模方法

《一种基于高斯过程的非线性PLS建模方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、Vol.33No.52007-10华东理工大学学报(自然科学版)JournalofEastChinaUniversityofScienceandTechnology(NaturalScienceEdition)文章编号：1006-3080（2007）05-0708-04一种基于高斯过程的非线性PLS建模方法王华忠（华东理工大学自动化研究所，上海200237）摘要：提出了一种基于高斯过程（GP）和偏最小二乘法（PLS）的非线性PLS方法（GP-PLS）,以更加有效地处理过程非线性、多输入和数据共线性等复杂特性，提高模

2、型的推广能力和精度。该方法首先采用PLS进行特征提取，再用GP建立PLS的内部模型，因而具有GP与PLS的优点。对工业丙烯肘生产过程丙烯脯收率软测量建模的应用表明，采用该方法建立的软测童模型在模型精度、推广能力等方面明显优于一些传统软测量建模方法，满足工业现场应用要求。关键词：高斯过«（GP）＜偏最小二乘法（PLS）；丙烯软测量中图分类号:TP183；TQ063文献标识码：AANonlinearPartialLeastSquareModelingMethodBasedonGaussianProcessWANGHua

3、-zhong(ResearchInstituteofAutomation,EastChinaUniversityofScienceandTechnologyShanghai200237,China}Abstract:Anewnonlinearpartialleastsquaresmethod(GP-PLS)basedonGaussianprocessisproposedtodealwithcomplicatedprocesseswithnonlinearitiesandalargenumberofcorrelate

4、dinputs・TheGP-PLSmethod,whichhasmeritsofbothGPandPLS,isanintegrationofGPmodelsandpartialleastsquares・ThePLSouterprojectionisusedasadimensionreductiontooltoremovecollinearityandtheGPmodelsaretrainedtocapturethenonlinearitiesintheprojectedlatentspace・Softsensorm

5、odelingofacry・lonitrileyieldusingGP-PLSmethodisestablished・Itisfoundthatthegeneralizationabilityandtheaccuracyofthesoftsensorusingthemethodproposedaresuperiortotraditionalmethods,andtheperformanceofthesoftsensormeetsthedemandsofindustrialapplicationinthefield

6、.Keywords：Gaussianprocess(GP)；partialleasesquaresCPLS)

7、输入做输出预测，而且同时给岀该预测的精度参数（即估计方差）;（2）可以以先验概率的形式表示过程的先验知识，从而提高过程模型性能；（3）与神经网络、支持向量机等方法相比，高斯过程模型参数明显减少，因而参数优化相对容易，且更易收敛。高斯过程既可以用于回归建模，也可以用于分类研究。近年来，高斯过程在机器学习等领域得到了成功的应用lag,引起了人们对该方法的极大兴趣。PLS方法是一种十分常用的线性统计建模方法，为了提高PLS处理非线性过程特性的能力，一些非线性PLS方法被提岀，如神经网络PLS⑷和核函数PI.S⑷。本文提岀

8、了一种将高斯过程与PLS相结合的非线性PLS方法(GP-PLS),并将该方法用于复杂工业过程软测最研究。GP-PLS在保持PLS的结构、鲁棒性等优点的基础上，又结合了GP建模的优点，因此该方法能够有效处理过程的非线性等复杂特性，十分适合复杂工业过程建模。本文首先介绍了GP回归模型的基本原理和模型选择，然后重点分析了GP-PLS建模方法、特点以及实施步骤•最后