基于改进的离群点检测软测量方法研究.pdf

《基于改进的离群点检测软测量方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、屈应用技术基于改进的离群点检测软测量方法研究付晓幸于佐军(中国石油大学(华东)信息与控制工程学院)摘要：提出一种改进的离群点检测方法，采用参数更新的支持向量数据描述的离群点检测方法，并引入贝叶斯分类原理对离群点分类，对校正离群点后的数据用最小二乘支持向量机建模并预测。工业聚丙烯熔融指数软测量模型的应用结果表明：该方法预测精度更高，泛化能力更强。关键词：软测量；离群点检测；贝叶斯分类0引言为判断离群点是否为真正意义上的离群点，提出离群点分类的概念。基于贝叶斯分类原理把离群点分为脉石油、化工等工业生产过程中，为确保产品的质冲型离群点、短阶跃型离群点和长阶跃型离群点。其量和生产

2、过程持续稳定，关系到产品质量的过程变量中脉冲型和短阶跃型是真正意义上的离群点需要排需要被实时控制和监测L1J。但是实际生产过程中大量除校正，而长阶跃型代表化工过程的变化。对需要校过程变量难以用传感器直接检测甚至无法检测，例如正的离群点采用时间序列校正的方法进行校正后用航空煤油干点、纸浆的Kappa值以及聚合反应中聚合最小二乘支持向量机(1eastsquaresupportvector物的熔融指数等。软测量技术应运而生。machine，LSSVM)建模。软测量技术的核心是软测量模型的建立【2。在目前软测量建模中，基于数据的统计建模占主导地位。1离群点检测方法由于测量仪表自身

3、故障和传感器容易受化工环境影1．1SVDD算法响，使测量数据偏离原来范围，导致离群点产生，而Tax等人提出SVDD是解决单值分类问题的有效离群点对软测量模型的预测精度影响很大，因此需要方法，是一种基于支持向量机学习的算法[6】。单个值排除离群点。生产过程中生产过程切换或物料改变会分类要解决的问题是区分目标类的数据和其他所有产生不同于历史采集的数据，易被误判成离群点排除。不属于目标类的数据(称为异常类)。支持向量数据如何确定离群点是由干扰产生，还是由过程变化引起，描述可以将目标数据建立支持向量数据描述模型，包己成为软测量技术研究的重点。括目标数据超领域、与所有异常类的目标类

4、。输入的为解决上述问题，WangJin等【4J提出一种在线离空间不可分离，通过一个非线性映射函数，把数据从群点检测和分类的自适应软测量，该方法先以故障检输入空间映射到一个高维空间，寻找支持向量在特征测PCA算法中的SPE指标作为离群点判断的准则，空间中构造包围与最小半径和超球体的最佳点。再把检测出的离群点进一步进行判断。GaliciaH等【5j如果输入空间中训练数据集是l∈R，在控制过程应用中，提出一种贝叶斯方法检测离群点i=1，2，⋯，，以寻找到最优超球体为目标的优化问并对其分类。如何鉴别工业生产过程采集样本数据的题可以表示为以下问题：离群点，并判断其是否为真正意义上的

5、离群点，仍没minR+毒有通用的方法。，vl々～针对上述问题，本文引入基于支持向量数据描述s．tlI‘()一口lfR+，i：1，2，⋯，，(1)(supportvectordatadescription，SVDD)的离群点检其中，超球体中心为a，半径为R；()一口II为数测方法，对化工运行过程中存在的离群点进行检测。据点到球心a的距离；磊为松弛因子。>0对应的数据点位于超球体外部，表示异常数据点，引入惩干点软测量中精馏塔的原油发生变化，则测量数据会罚因子v∈[o，1】，1，表示对异常点的惩罚，在包含尽超出检测判断的正常范围。SVDD的参数半径和球心量少的离群点和尽量小的超

6、球体间取折衷。得到确定应随着数据的变化而变化，这样才能适应过程的变化的超球体后，判断一个新输入数据的类别函数可用下而不会导致误判正常数据为离群点[7]。针对这个过程式表示引入了指数加权移动平均(EWMA)鲁棒的方式更新厂()=sgn(R-II~x,)-al)SVDD参数，指数加权移动平均的公式如下：若厂()：1，则正常；若，(力=-1，则异常。RDew=L尺old+(1一1Rcurrent加入拉格朗日乘子q，≥0，将式(1)转化成无约anew=2aold+(1一current(6)束的式(2)。其中，Rold和aold代表更新前离群点检测的判(肋，，口，)+一断参数；Rn

7、ew和anew代表更新后离群点检测的判断参数：Rcurrem和acurrent是用一定量[R+毒一(1()一口II)]一(2)的新样本所构成的离群点检测参数；为更新因子，∑代表参数更新的速度。对没有连续检测出大量离群点的过程，更新因子分别对，毒和a求偏微分，同时令它们等于0，得通常设定为0．7<<0．9；而当连续检测出大量的离_1，一层1q()(3)群点时，更新因子通常设为0．01<2<0．05。把式(2)表示为对偶问题，并引入核函数取代特征2离群点分类方法空间上的内积运算得2．1朴素贝叶斯理论(，)=()·()贝叶斯分类器是