基于DP-RFR的多模型软测量建模
作者:何新礼 谢莉 杨慧中
关键词:
软测量; 密度峰; 随机森林回归; 多模型;
摘要：
实际工业过程往往是一个多工况、非线性的大规模复杂系统,使得单一模型软测量建模方法难以充分挖掘数据信息。针对这一问题提出了一种基于密度峰（Density Peak,DP）聚类和随机森林回归（Random Forest Regression,RFR）的多模型软测量建模方法,从而对主导变量进行估计。首先,利用DP聚类算法对训练数据进行划分;其次,采用RFR方法建立各子类的回归子模型;最后采用开关切换的方法进行多模型融合。将提出方法应用于TE过程和丁烷蒸馏过程的软测量建模中,分别对产物G含量和丙烷含量进行估计。仿真结果表明估计精度得到提高,证明该方法是有效的。
上一篇：基于自适应算法的BA网络模型及其聚类分析
下一篇：基于图像的危化品堆垛三维几何动态建模