[发明专利]基于半监督局部线性回归的自适应参数软测量方法

说明书

技术领域

本发明涉及的是一种软测量仪表技术领域的方法，具体是一种基于半监督局部线性回归的自适应参数软测量方法。

背景技术

软测量仪表指的是一种利用计算机建模技术进行工业过程控制变量测量的方法，该方法与传统的传感器在线测量和人工离线测量的方法不同，具有投入成本低、维护简单、可靠性高的优点。目前存在的软测量方法一般都是基于监督学习方法建立的，监督学习方法仅仅使用标记样本进行模型的训练，因此大大浪费了那些在实际中能够大量轻易获得的，实际反映工业过程运行情况的未标记样本的价值。如果能够在软测量模型的建模中使用这些未标记样本，是应该可以提高软测量方法的测量精度的。

半监督学习是目前存在的一种较好地利用了标记样本和未标记样本的学习方法，它以标记样本作为基础，并在学习过程中辅以未标记样本，从而达到减少标记样本需求量，利用未标记样本改进学习效果的目的。随着数据采集和存储技术的飞速发展，在实际工业过程中，收集大量未标记样本已相当容易，而获取大量有标记的样本则相对较为困难，这是因为获得这些标记可能需要消耗大量的人力物力，所以在一般的以监督学习为基础的软测量建模中只能利用数量非常有限的标记样本，这有可能使模型出现不够准确的问题。因此，如果在软测量方法中引入半监督学习方法是应该可以有效提高测量精度和结果可靠度的。

软测量领域中的半监督学习问题是一类回归问题，所以在软测量方法中应当使用基于半监督回归的学习方法对模型进行训练，而如果要将软测量方法运用到实际生产中，就必须考虑软测量模型的更新问题，使得模型能够更好地匹配模型输入数据的变化，避免模型的过学习问题出现。

发明内容

本发明针对传统软测量方法中存在的未利用未标记样本和模型不能有效更新的问题，提供一种基于半监督局部线性回归算法的在线软测量方法，该方法以局部线性回归散点平滑方法为理论基础，通过将未标记样本引入其流形正则化函数，将其改变为一种半监督回归方法，利用该回归方法对标记样本和未标记样本进行软测量建模，进行控制变量的预测或测量。

本发明是通过以下技术方案实现的，本发明首先以局部线性回归散点平滑方法为理论基础，局部线性回归散点平滑方法是一种监督回归方法，它只能利用标记样本进行变量的预测，所以如果将未标记样本引入其流形正则化函数进行模型求解的话，就会使其变为一种能够同时利用标记样本和未标记样本的回归学习方法，称为半监督局部线性回归学习方法；此外，本发明还在其基础上提供了一种适用于半监督局部线性回归的自适应参数选择方法，使得模型能够更加有效地过滤掉标记样本中测量误差带来的影响；最后将自适应参数的半监督局部线性回归方法使用基于滚动时间窗的方式，实现软测量模型的在线更新。

半监督局部线性回归本质上是为了求得某数据点上的局部线性系数向量，该局部线性系数构成的线性方程可以满足该数据点附近的临近数据点，所以通过该局部线性系数可以预测该数据点附近的变量值。

所述的半监督局部线性回归学习方法是指：假设x_i∈X,i＝1,2,…,n为输入数据集X中的数据点，β_i∈B,i＝1,2,…,n分别为各数据点上的局部线性系数向量，其中n为总数据个数，B为所有局部线性系数向量组成的系数矩阵，则通过求解下式可以得到某输入数据点x_i的局部线性系数向量