基于关键变量的OPLS预测方法

罗明英,　王　帆,　谭　帅,　侍洪波

(华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海 200237)



基于关键变量的OPLS预测方法

罗明英,王帆,谭帅,侍洪波

(华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海 200237)

产品的最终质量主要是由生产过程中的关键变量决定的,因此,回归模型的质量预测能力与过程变量的选择密切相关。本文提出了一种新的基于关键变量(CV)的OPLS预测方法(CV-OPLS),用于输出变量较多过程的质量预测。首先,根据关键变量选取准则,为每个质量变量选取建模所需的关键过程变量。为了减少最后需要建立的模型个数,将由质量变量及其相应的关键过程变量组成的数据阵进行重组,并用OSC算法去除重组后的数据阵中与质量变量无关的干扰信息。然后,对校正后的数据阵建立PLS模型,求取相应的模型回归系数,得到最终的质量预测结果。与传统的PLS及OPLS方法相比,该方法能够在保证模型较好预测精度的前提下,有效地简化模型结构。最后,通过Tennessee Eastman(TE)过程的实验仿真验证了CV-OPLS方法的有效性。

回归模型; 关键变量; OPLS算法; 质量预测

过程数据分析的一个主要任务是从经验或历史数据中建立回归模型并用于产品的质量预测。近年来,多元回归建模技术迅速发展,已被成功用于定量化提取自变量与因变量之间的因果关系,例如主成分回归(PCR)[1]、偏最小二乘(PLS)[2-3]、独立成分回归(ICR)[4]等。其中,PLS方法是一个广为人知并应用成熟的有效工具。……