一种基于迁移学习随机配置网络的复杂工业过程软测量建模方法技术

本发明专利技术涉及一种基于迁移学习随机配置网络的复杂工业过程软测量建模方法，其步骤为：采集工业过程中的源域样本数据和目标域样本数据，对其进行预处理，获取预处理后的源域数据集和目标域数据集，将迁移学习与随机配置网络相结合，融合两个领域的知识，同时考虑负迁移影响，利用每个源域样本与目标域的相似程度，构造迁移度矩阵W，建立基于迁移学习随机配置网络的软测量模型；测试数据为采集的目标域新样本数据，对其进行输出预测，分析迁移学习随机配置网络软测量模型的预测效果。本发明专利技术上述软测量方法将迁移学习和随机配置网络结合并引入样本加权策略，解决了变工况场景下建模数据有限的问题，同时进一步提高了软测量模型的预测性能。

【技术实现步骤摘要】

本专利技术属于工业过程软测量，涉及一种基于迁移学习随机配置网络(transfer learning stochastic configuration network，简称：tlscn)的复杂工业过程软测量建模方法。

技术介绍

1、在现代化工厂中，许多变量都是通过传感器进行在线测量，以保障工业装置的闭环控制和稳定运行。但是，由于仪器开发技术限制或者测量环境恶劣，其中一些关键质量变量目前仍然很难进行在线测量。为了解决这些问题，软测量技术应运而生，能够有效提高关键质量变量检测的实时性和有效性。软测量技术通过建立易测变量与难测变量之间的数学模型，实现对难测变量的在线实时预测，具有成本低、易维护、配置灵活等的优点。近年来，随着科学技术的发展和大数据时代的到来，软测量技术在工业过程监控、质量控制和优化管理等领域发挥着越来越重要的作用。

2、随机配置网络(scn)是一种新兴的增量式随机神经网络，2017年由wang等人首次提出。因其自适应确定随机参数、易于实现、收敛速度快、泛化性能好等优点，已成功应用于软测量建模领域。然而，scn算法的实际实施面临着一些挑战本文档来自技高网...

【技术保护点】

1.一种基于迁移学习随机配置网络的复杂工业过程软测量建模方法，其特征在于，含有以下步骤：

2.如权利要求1所述的一种基于迁移学习随机配置网络的复杂工业过程软测量建模方法，其特征在于，所述步骤(一)中，通过公式(1)-公式(4)分别对源域数据集S和目标域数据集T进行预处理，公式(1)-公式(4)的表达式为：

3.如权利要求1所述的一种基于迁移学习随机配置网络的复杂工业过程软测量建模方法，其特征在于，所述步骤(二)中，通过公式(5)计算每个源域样本与目标域样本集的平均欧式距离，表达式为：

4.如权利要求1所述的一种基于迁移学习随机配置网络的复杂工业过程软测...

【技术特征摘要】

1.一种基于迁移学习随机配置网络的复杂工业过程软测量建模方法，其特征在于，含有以下步骤：

2.如权利要求1所述的一种基于迁移学习随机配置网络的复杂工业过程软测量建模方法，其特征在于，所述步骤(一)中，通过公式(1)-公式(4)分别对源域数据集s和目标域数据集t进行预处理，公式(1)-公式(4)的表达式为：

3.如权利要求1所述的一种基于迁移学习随机配置网络的复杂工业过程软测量建模方法，其特征在于，所述步骤(二)中，通过公...

【专利技术属性】
技术研发人员：邓晓刚，张静，赵悦，王自恒，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：