一种基于GA-LS方法的软测量建模辅助变量选择方法技术

本发明专利技术公开了一种基于GA‑LS方法的软测量建模辅助变量选择方法。该方法对基于混合整数非线性规划的辅助变量选择方法的改进，该方法将MINLP分成内外两层结构，外层采用遗传算法GA对二元整数变量进行寻优，内层在整数变量固定之后退化成了较易于求解的非线性规划问题NLP，在此基础上经过进一步分析提出了基于GA和最小二乘LS的辅助变量选择方法GA‑LS。与传统的基于MINLP的方法进行比较，本发明专利技术能极大降低辅助变量选择的时间，以及寻找更好的辅助变量子集，提高模型的预测性能，降低模型的复杂度。

A GA-LS Method for Soft Sensing Modeling Aided Variable Selection

The invention discloses an auxiliary variable selection method for soft sensing modeling based on GA LS method. This method improves the auxiliary variable selection method based on mixed integer non-linear programming. This method divides MINLP into two layers: inner and outer. The outer layer uses genetic algorithm GA to optimize binary integer variables. After the integer variables are fixed, the inner layer degenerates to NLP, which is easier to solve. On this basis, based on further analysis, a new nonlinear programming problem named NLP is proposed, which is based on GA and least squares L. The auxiliary variable selection method of S is GA_LS. Compared with the traditional MINLP-based method, the invention can greatly reduce the time for selecting auxiliary variables, and find a better subset of auxiliary variables, improve the prediction performance of the model and reduce the complexity of the model.

【技术实现步骤摘要】
一种基于GA-LS方法的软测量建模辅助变量选择方法
本专利技术涉及工业建模领域，尤其涉及工业过程中难以在线测量的关键过程变量的预测模型建立。
技术介绍
近年来，在现代生产过程中，对产品质量的要求越来越高，必须对与产品质量密切相关的关键变量进行实时检测。但是，在线分析仪表价格昂贵、维护保养复杂；而通过离线实验室分析结果存在滞后大等原因，将导致控制质量的性能下降，难以满足生产要求。为了解决这个问题，以推断控制为基础的软测量建模方法及其应用技术取得了广泛的关注。软测量建模的基本思想就是根据某种最优准则，选择一组与主导变量相关的且易测量的辅助变量，并构造关于辅助变量和主导变量的数学模型，实现对主导变量的在线估计。对于著名国际过程控制专家McaVoy将软测量建模列为未来控制领域需要研究的几大方向之一，具有广阔的应用前景。而辅助变量选择正是软测量建模中关键的一步，近年来，国内外对辅助变量选择进行了大量的研究。2006年，Emet提出直接优化AIC准则，将变量选择描述成一个混合整数非线性规划问题(MixedIntegerNonlinearProgramming,MINLP)，并且通过分支界定法对其本文档来自技高网...

【技术保护点】
1.一种基于GA‑LS方法的软测量建模辅助变量选择方法，其特征在于，包括以下步骤：(1)数据预处理，对数据集进行归一化处理。(2)随机生成种群，即等概率0、1编码的标准化矩阵，矩阵中行向量代表候选变量个数m，列向量代表遗传算法种群大小n。(3)对于一组给定的有m个候选辅助变量的训练集，通过遗传算法种群个体固定了一个有p个辅助变量的子集时，将MINLP进一步简化为一个NLP问题。由于p已知，故该NLP问题实质为均方误差最小化问题，即最小二乘法求解。(4)通过最小二乘求解建立子集模型，计算个体适应度值fval；

【技术特征摘要】
1.一种基于GA-LS方法的软测量建模辅助变量选择方法，其特征在于，包括以下步骤：(1)数据预处理，对数据集进行归一化处理。(2)随机生成种群，即等概率0、1编码的标准化矩阵，矩阵中行向量代表候选变量个数m，列向量代表遗传算法种群大小n。(3)对于一组给定的有m个候选辅助变量的训练集，通过遗传算法种群个体固定了一个有p个辅助变量的子集时，将MINLP进一步简化为一个NLP问题。由于p已知，故该NLP问题实质为均方误差最小化问题，即最小二乘法求解。(4)通过最小二乘求解建立子集模型，计算个体适应度值fval；其中，p为个体中辅助变量数，εi为模型预测误差，n为样本个数。(5)计算出种群中所有个体的适应度，并保留适应度最优个体，共R个；其余个体进行交叉和变异操作。(6)本轮遗传迭代结束后，求出最佳个体，转到步骤2，开始新一轮的迭代；每一轮迭代求出的最佳个体与上一轮求得的最佳个体比较，较优个体留下。(7)达到GA设定的迭代次数，则迭代结束。2.根据权利要求1所述的GA-LS方法，其特征在于，所述步骤3通过以下子步骤来实现：(3.1)BIC准则：一种常用的变量选择准则，其定义如下：BIC＝-2lnL+plnn其中，L为似然函数，p为辅助变量数，n为样本个数。(3.2)变量选择在线性回归下进行，使用MLR模型用于变...

【专利技术属性】
技术研发人员：陈伟锋，郭明，应时彦，张贵军，余世明，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33