学位论文 > 优秀研究生学位论文题录展示
PLSR用于化学化工建模的几个关键问题的研究
作 者: 成忠
导 师: 陈德钊
学 校: 浙江大学
专 业: 化学工程与技术
关键词: 偏最小二乘回归 人工神经网络 模糊逻辑系统 非线性建模 离群点识别 稳健回归 软测量 样本加权 时间序列 定量结构活效(性能)关系
分类号: TQ018
类 型: 博士论文
年 份: 2005年
下 载: 511次
引 用: 12次
阅 读: 论文下载
内容摘要
偏最小二乘回归(partial least squares regression,PLSR)作为一种基于因子分析的多变量校正方法,近年来广泛应用于化学、化工、经济、环境、食品、教育心理等领域。本文以PLSR方法的功能拓展和实际应用为主线,针对化学化工问题及其样本数据所具有的时变性、非线性、存在离群点及多因变量等特征,提出了拓展和改进PLSR功能的几个关键问题,使其能适应上述特性,满足实际需要,分别设计了加权分块递归偏最小二乘、模糊逻辑偏最小二乘、快速稳健偏最小二乘和基于极小极大估计的多因变量偏最小二乘等方法,并将这些方法应用于化学物质结构与性质间关系、化工生产过程等实际问题建模,效果显著。全文的主要内容可归结为以下五个部分,其中包括了研究工作所取得的主要成果。 1、系统回顾了偏最小二乘方法的发展历史、研究现状及应用领域;阐述偏最小二乘方法的基本原理及基本性质;简要介绍了偏最小二乘方法的诸多辅助分析技术。 2、为满足PLSR方法适于时变数据建模的要求,推导与构建了加权分块递归偏最小二乘回归方法。该方法基于相关多变量时变样本数据,采用偏最小二乘方法,以分块递归的方式,为过程变量建立软测量模型,并在分析时变数据特性的基础上,引入样本加权策略,以使模型具有跟踪过程变化的能力,同时提出选定加权函数相关参数的方法和步骤。将该法实际应用于某公司PTA装置溶剂脱水塔,为塔釜排出液H2O含量建立软测量模型,与已有方法相比,它提高了建模效率,改进了模型预测性能,从而对确保生产过程稳定,有效控制产品质量具有重要意义。 3、提出模糊偏最小二乘(fuzzy PLS,FPLS)算法的新方案。该算法针对化学化工数据的非线性及PLS成分对的单输入单输出特性而构建的,同时它可克服高维变量系统模糊建模引起的规则“组合爆炸”以及变量间的耦合关系导致模型泛化能力较弱。其中成对PLS成分间的模糊模型,按因变量成分随自变量成分的变化剧烈程度(幅度和频度)和逼近精度要求自适应确定模糊规则总数和规则前件参数,由最小二乘方法确定规则后件参数。为更好实现每对成分间
|
全文目录
摘要 5-7 Abstract 7-14 第一章 绪论 14-25 1.1 立题背景分析 14-19 1.1.1 化学、化工中的两个共性课题 14-16 1.1.2 化学、化工数据的典型特征 16-19 1.2 系统常用建模方法 19-21 1.3 偏最小二乘回归建模方法 21-23 1.4 本文研究内容及组织 23-25 第二章 偏最小二乘回归方法的基础理论 25-46 2.1 偏最小二乘回归方法的历史和现状 25-30 2.2 偏最小二乘回归的基本原理 30-40 2.2.1 偏最小二乘回归的基本思想 30-31 2.2.2 偏最小二乘回归的数学原理 31-33 2.2.3 偏最小二乘回归的理论算法 33-35 2.2.4 偏最小二乘回归的实用算法 35-37 2.2.5 PLS成分数的确定 37-39 2.2.6 PLS成分的性质 39-40 2.3 偏最小二乘回归的辅助分析技术 40-44 2.3.1 变量常用统计量及数据预处理 40-41 2.3.2 精度分析 41-42 2.3.3 PLS成分的相关关系 42 2.3.4 变量投影重要性(VIP) 42-43 2.3.5 t_1/t_2平面图和T~2椭圆图 43-44 2.4 偏最小二乘同归的适用范围 44-46 第三章 加卡义分块递归偏最小二乘回归方法 46-64 3.1 引言 46-48 3.2 分块递归偏最小二乘回归方法 48-54 3.2.1 PLS算法的一种改进 48-49 3.2.2 递归偏最小二乘法 49-52 3.2.3 分块递归偏最小二乘法 52-54 3.2.3.1 样本分块 52-53 3.2.3.2 BRPLSR算法 53-54 3.3 加权分块递归偏最小二乘回归方法 54-56 3.3.1 样本加权方式 55 3.3.2 样本加权函数 55-56 3.3.3 WBRPLSR算法 56 3.4 实例应用:WBRPLSR为PTA溶剂脱水塔建模 56-63 3.4.1 模型及样本数据说明 57-58 3.4.2 PLS成分数确定 58 3.4.3 时间窗宽度及个数选择 58-59 3.4.4 几种方法结果比较 59-63 3.4.4.1 试验方式 59 3.4.4.2 LSR、PLSR与BRPLSR方法 59-60 3.4.4.3 WBRPLSR方法 60-61 3.4.4.4 结果与分析 61-63 3.5 本章小结 63-64 第四章 模糊逻辑偏最小二乘回归方法 64-87 4.1 引言 64-66 4.2 模糊逻辑系统 66-67 4.3 模糊逻辑偏最小二乘回归方法 67-74 4.3.1 自适应单输入单输出模糊逻辑系统 68-70 4.3.1.1 单输入单输出模糊模型 68 4.3.1.2 规则数M及隶属度函数参数的确定 68-69 4.3.1.3 最小二乘法确定规则后件参数 69-70 4.3.2 FPLS算法 70-71 4.3.3 实例应用:FPLS为HIV-1蛋白酶抑制剂QSAR建模 71-74 4.3.3.1 模型及样本数据说明 71-72 4.3.3.2 试验方式与性能评价指标 72 4.3.3.3 结果与分析 72-74 4.4 基于误差修正的模糊逻辑偏最小二乘回归方法 74-85 4.4.1 自适应的神经网络模糊逻辑系统(ANFIS) 75-78 4.4.2 EB-AFPLS算法 78-81 4.4.2.1 权系数W的误差修正 78-79 4.4.2.2 EB-AFPLS算法 79-81 4.4.2.3 模糊规则参数确定 81 4.4.3 实例应用:EB-AFPLS为HIV-1蛋白酶抑制剂QSAR建模 81-85 4.4.3.1 模型精度分析 82-83 4.4.3.2 PLS成分解释能力分析 83-85 4.4.3.3 隶属度函数参数的确定 85 4.5 本章小结 85-87 第五章 快速稳健偏最小二乘回归方法 87-100 5.1 离群点及其识别方法 87-91 5.2 快速稳健偏最小二乘回归方法(RRPLSR) 91-95 5.2.1 离群点的峭度识别法 92-94 5.2.2 RRPLSR算法 94 5.2.3 离群点的确认 94-95 5.3 实例应用:RRPLSR为鱼类物质近红外光谱在线检测 95-99 5.3.1 样本数据说明 96-97 5.3.2 试验结果分析 97-99 5.3.2.1 离群点识别与模型可靠性 97-98 5.3.2.2 模型拟合与预报性能 98-99 5.3.2.3 计算耗时 99 5.4 本章小结 99-100 第六章 基于极小极大估计的多因变量偏最小二乘回归方法 100-111 6.1 引言 100-102 6.2 基于极小极大估计的多因变量偏最小二乘回归方法 102-106 6.2.1 PLSR的三种多因变量建模方式 102-103 6.2.2 PLS-C&W算法 103-105 6.2.3 极小极大估计器与PLS-Minimax方法 105-106 6.3 实例应用:PLS-Minimax为化工聚合反应过程建模 106-110 6.3.1 样本数据说明 106-107 6.3.2 试验结果分析 107-110 6.3.2.1 模型预报精度比较 107-109 6.3.2.2 两种收缩估计器的比较和分析 109-110 6.4 本章小结 110-111 第七章 总结与展望 111-115 7.1 全文总结 111-112 7.2 存在的不足 112-113 7.3 工作展望 113-115 参考文献 115-130 致谢 130-131 作者攻读博士期间撰写的论文和参与的项目 131
|
相似论文
- 发育于热带地区玄武岩的时间序列土壤中石英和植硅体的变化特征,S153
- 朝阳地区参考作物腾发量演变特征与预测模型研究,S161.4
- 基于数据挖掘技术在城市供水的分析与决策,F299.24;F224
- 停车诱导在智能移动终端上的设计与实现,TN929.53
- 潜江市血吸虫病疫情分析及趋势预测,R532.21
- 质量管理在网络性能指标监控中的应用研究,F626
- 基于核自组织映射的时间序列预测研究,O211.61
- 基于时间序列理论方法的流感病毒DNA序列特征分析,R346
- 基于混沌时间序列的变形分析和预测,N945.2
- 动力博弈系统及混沌理论在演化中的应用研究,O225
- 等距离采样时间序列曲线拟合,O211.61
- 基于支持向量回归建模方法的短期电力负荷预测研究,TM715
- 天然草地地上生物量动态监测与预测,S812
- 基于小波与支持向量机的混沌时间序列研究,TP301
- 基于混沌理论的话务量时间序列预测研究,TN915.09
- 中国建材产业经济预警研究,F224
- 中铁建十三局发展战略与非线性预测研究,F426.92
- 智能预测在证券市场的分析及应用研究,F830.91
- 基于时间序列分析与神经网络的结构损伤识别研究,TU312.3
- MODIS时间序列溢油检测算法,X834
中图分类: > 工业技术 > 化学工业 > 一般性问题 > 基础理论 > 数学模型及放大
© 2012 www.xueweilunwen.com
|