-
公开(公告)号：CN110673470B
公开(公告)日：2022-04-08
申请号：CN201910828593.3
申请日：2019-09-03
Applicant: 中国计量大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于局部加权因子模型的工业非平稳过程软测量建模方法。本发明引入滑动窗口，在每个滑动窗口中建立因子分析模型，将在线查询样本输入到各个滑动窗口中得到查询样本与训练样本的局部相似度以及查询样本在滑动窗口中的局部置信度，再综合所有滑动窗口的结果得到每个训练本的全局权重，根据全局权重计算训练样本集的加权平均值，在加权平均值的基础上对查询样本进行预测得到查询样本的丁烷含量预测值。本发明通过建立在线测量样本与训练样本之间的权重关系，提高了预测结果的准确性。
-
公开(公告)号：CN110673470A
公开(公告)日：2020-01-10
申请号：CN201910828593.3
申请日：2019-09-03
Applicant: 中国计量大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于局部加权因子模型的工业非平稳过程软测量建模方法。本发明引入滑动窗口，在每个滑动窗口中建立因子分析模型，将在线查询样本输入到各个滑动窗口中得到查询样本与训练样本的局部相似度以及查询样本在滑动窗口中的局部置信度，再综合所有滑动窗口的结果得到每个训练本的全局权重，根据全局权重计算训练样本集的加权平均值，在加权平均值的基础上对查询样本进行预测得到查询样本的丁烷含量预测值。本发明通过建立在线测量样本与训练样本之间的权重关系，提高了预测结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112651178A
公开(公告)日：2021-04-13
申请号：CN202011600278.4
申请日：2020-12-30
Applicant: 中国计量大学
IPC: G06F30/27 , G06K9/62 , G06F111/08 , G06F119/10
Abstract: 本发明提供一种基于无规则缺失数据融合模型的丁烷含量预测方法，它解决了化工领域在数据无规则缺失条件下的关键变量预测难题。该方法收集脱丁烷塔在正常工况下含缺失变量的数据作为关键变量预测的训练集样本，并构建符合缺失数据特点的概率动态模型(KF‑DMF)。通过改进Karman前向滤波算法将测量变量之间的互相关性信息最大限度地保留在潜在特征空间与潜在动态预测信息相融合，实现缺失数据最大利用率。由EM算法将每次融合结果反馈到参数学习过程直至模型训练完成。在线收集脱丁烷塔中过程变量，利用已建模型对丁烷含量进行预测。由于KF‑DMF模型能在不丢弃任何样本数据的前提下充分提取变量之间的互相关性和样本之间的自相关性，在关键变量预测的精度和应用范围上实现了提升。
-
公开(公告)号：CN111291020A
公开(公告)日：2020-06-16
申请号：CN201911094779.7
申请日：2019-11-11
Applicant: 中国计量大学
IPC: G06F16/21 , G06F16/2458 , G06Q10/06
Abstract: 本发明公开了一种基于局部加权线性动态系统的动态过程软测量建模方法。本发明引入滑动窗口，在各滑动窗中建立线性动态系统模型，并通过计算在线样本与各窗口中离线样本在原始空间、隐空间当中的相似度得到在线样本关于所有离线样本的原始空间权重、隐空间权重，并基于这两个权重建立加权线性动态系统模型，得到所有离线样本的隐变量。最后通过局部加权回归的方法计算出在线样本的丁烷含量预测值。本发明同时考虑了在线样本与离线样本在原始空间和隐空间的相似关系，提高了对工业过程中关键变量预测的精度。
-
公开(公告)号：CN111507003A
公开(公告)日：2020-08-07
申请号：CN202010309729.2
申请日：2020-04-20
Applicant: 中国计量大学
IPC: G06F30/20 , G16C20/10 , G16C20/70 , G06F111/10
Abstract: 本发明公开了一种基于质量相关动态特性提取的脱丁烷塔关键变量预测方法。本发明建立质量相关动态潜隐结构，通过卡尔曼滤波，卡尔曼平滑和EM算法来求解。模型构造了两种类型的隐变量，一种与X、Y有关，另一种仅与X有关，对于数据与隐变量之间的关系能够更加充分的描述；同时，模型还分别考虑了X和Y各自的动态信息，能够很好的提取数据在时序上的的动态特性，提高了模型预测结果的准确性。
-
公开(公告)号：CN111160464B
公开(公告)日：2023-12-01
申请号：CN201911392799.2
申请日：2019-12-30
Applicant: 中国计量大学
IPC: G06F18/27 , G06F18/22 , G06F18/214 , G06F123/02
Abstract: 本发明公开了一种基于多隐层加权动态模型的工业高阶动态过程软测量方法。本方法引入滑动窗口，针对每一组在线样本，在每一个滑动窗口中建立多隐层动态模型，即充分考虑了数据在隐空间中的局部自相关性和隐变量在时序上的高阶动态关系，对于数据的描述能够更加精准；结合支持向量数据描述方法计算得到在线样本的全局权重，并建立多隐层加权动态模型。在得到模型的参数后，建立局部加权线性回归模型，从而得到在线样本的质量变量估计值。
-
公开(公告)号：CN111160464A
公开(公告)日：2020-05-15
申请号：CN201911392799.2
申请日：2019-12-30
Applicant: 中国计量大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多隐层加权动态模型的工业高阶动态过程软测量方法。本方法引入滑动窗口，针对每一组在线样本，在每一个滑动窗口中建立多隐层动态模型，即充分考虑了数据在隐空间中的局部自相关性和隐变量在时序上的高阶动态关系，对于数据的描述能够更加精准；结合支持向量数据描述方法计算得到在线样本的全局权重，并建立多隐层加权动态模型。在得到模型的参数后，建立局部加权线性回归模型，从而得到在线样本的质量变量估计值。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
