[发明专利]带奇异点检测补偿的GPR在线软测量方法及系统

摘要

本发明涉及一种带奇异点检测补偿的GPR在线软测量方法及系统，解决了软测量方法实际应用中查询样本可能出现奇异点影响预测结果这一问题。本发明所述的方法首先对训练样本利用高斯过程回归(GPR)方法进行建模，得到GPR软测量模型；然后对新来查询样本采用拉依达准则进行奇异点检测，当新来查询样本被确定为奇异值时，利用辅助模型对奇异值进行修补，然后再利用GPR软测量模型对修补后查询样本点进行预测；否则，直接使用GPR软测量模型对新来查询样本点进行预测。本发明用于最终实现对化工过程重要指标的在线估计，提升了工业系统在运行期间的稳定性。

主权项

一种带奇异点检测补偿的GPR在线软测量方法，其特征在于，包括：利用高斯过程回归方法建立GPR软测量模型；采用改进拉以达准则对新来的查询样本点xq进行奇异点检测；若查询样本点为正常，则利用GPR软测量模型对该查询样本点进行预测，得到预测结果；若查询样本点为奇异点，则利用奇异点信息对训练样本进行处理，得到处理后的训练样本集并建立辅助模型，随后利用辅助模型对查询样本点xq进行修补，得到补偿后查询样本点最后利用软测量模型对该查询样本点进行预测，得到预测结果；其中，拉依达准则具体为：有训练数据集X＝{xi|xi∈Rm}i＝1…n，m是过程变量的维数,n是训练数据的个数，X是一个n×m的矩阵，对于每一列数据根据下式得到其均值以及均方差Sj：当一个新查询样本点xq到来时对其每一维元素通过拉依达准则计算得到γj，其中γj为：若满足任一γj＞3，则表明此样本点属于奇异样本点，同时可得到此样本点奇异值所处位置；辅助模型修补包括：假设奇异查询样本点所处位置为查询样本点xq第j维，以此对训练样本集X进行处理，所述处理包括：由查询样本点xq可得xq′＝{xq,1,xq,2…xq,j‑1,xq,j+1…xq,m}，同理由X可得X′以及Y′，如下式所示：Y'＝[x1,j,x2,j,……xn,j]T通过上述处理得到X′、Y′以及x′q，其中X′是原训练样本X经过处理后所得新输入训练样本集，Y′是由原训练样本X中奇异值所处列组成的新输出训练样本集，而x′q则是xq经过处理后所得新查询样本点，最后将X′和Y′重新组合为一个新的训练样本集，利用高斯过程回归方法对其进行训练得到辅助模型；利用所得辅助模型对x′q进行预测得到奇异值xq,j的预测值x′q,j，利用所得x′q,j对xq中奇异值xq,j进行替换得到补偿后查询样本点