基于MIC的支持向量回归及其在化工过程中的应用

顾俊发，许明阳，马方圆，林治宇，纪成，王璟德，孙巍

（1 北京化工大学化学工程学院，北京100029； 2 中化泉州石化有限公司，福建泉州362103）

引 言

在化工生产中，某些关键变量可以直接或间接地反映过程的运行状态，对于操作人员判断装置的运行情况十分重要。但受测量手段或仪表故障等因素的影响，这些关键变量可能出现无法实时获取或读数异常的问题。此时，软测量技术可以通过提取历史数据中关键变量与其他变量间的关系，建立回归模型，实现对关键变量的预测[1]。在建立软测量模型时，辅助变量和回归方法的选取会直接影响到模型的预测效果[2]。化工过程中变量众多，如果将所有相关变量全部作为输入建立软测量模型，不仅会导致数据的冗余，增加模型运算量，也会造成模型的预测准确率降低[3]。目前常利用Person 系数等线性相关度量准则分析过程变量与软测量目标变量间的关系，选择合适的辅助变量[4]，然后利用线性回归模型提取变量间关系，建立软测量模型，实现对关键变量的实时预测。常见的线性回归方法有岭回归、偏最小二乘法等[5]，其优点在于计算简单且可解释性强，对稳态过程具有较强的适用性[6]。但在实际化工生产中，装置并非一直处于稳态过程，而且绝大多数变量间的关系十分复杂，为非线性关系。相比于利用线性相关度量选择变量建立线性模型，如果能够在综合考虑变量间线性和非线性关系的基础上建立软测量模型，则应能够实现对目标变量更好的预测。……