论文部分内容阅读
在现代过程工业中,为增加经济效益,提高过程运行的平稳性、安全性和环保性,软测量技术被广泛应用于主导变量的在线预测。为了提高软测量模型的预测精度以及使用寿命,本文在局部学习的框架下,从即时学习和集成学习两个方面着手,研究能够同时解决过程非线性和时变性问题的自适应软测量建模方法,针对不同的问题提出了一些解决方案,并对其进行了仿真验证和结果分析。主要的研究成果简述如下:(1)针对即时学习中相似样本集的构造难以充分利用有标签样本监督信息的问题,提出了一种基于有监督结构保持投影算法的即时学习软测量建模方法通过