[发明专利]一种基于输出约束AP-XGBOOST模型的工业过程软测量方法

摘要

本发明公开一种基于输出约束AP‑XGBOOST模型的工业过程软测量方法，该方法首先通过偏最小二乘算法，将原始变量空间投影到隐变量空间进行相似度度量，然后采用仿射传播聚类算法对多工况过程分类，最后在得到的数据集上建立不同的极限梯度增强树模型用于多工况复杂过程的软测量建模。相比于结合传统仿射传播聚类算法的软测量模型，基于输出约束的仿射传播聚类—极限梯度增强树AP‑XGBOOST模型能够有效提高对多工况过程聚类的准确性，并且能够准确映射复杂生产过程中的变量关系，不受数据分布假设、数据集的大小限制，同时具备良好的可解释性和鲁棒性。

主权项

1.一种基于输出约束AP‑XGBOOST模型的工业过程软测量方法，其特征在于，包括以下步骤：(1)给定历史样本集的输入辅助变量矩阵为X∈RL×N，目标变量矩阵Y∈RL；其中L和N分别代表样本数和输入变量维度，通过偏最小二乘法对辅助变量矩阵X和目标变量矩阵Y进行有监督降维：X＝TPT+E,Y＝TRT+F；其中，矩阵T为历史样本矩阵通过偏最小二乘法投影得到的新的样本矩阵，P为历史样本矩阵的载荷矩阵，R为目标变量矩阵Y的载荷矩阵，E和F分别为运用偏最小二乘法拟合X和Y时对应的残差矩阵。(2)通过样本矩阵T计算历史样本集中的数据点之间的相似度矩阵S：s(i,j)＝‑||ti‑tj||2，其中，s(i,j)为矩阵S中的元素，代表样本矩阵T中的元素ti和tj之间的相似度大小；依据相似度矩阵S来迭代更新证据可信度矩阵和证据可用度矩阵其中，r(i,k)、r(k,k)、r(j,k)均为证据可信度矩阵的元素，a(i,k)、a(j,i)分别为证据可用度矩阵的元素；(3)当证据可信度矩阵和证据可用度矩阵收敛于固定值或者迭代次数达到最大值时，计算各个聚类中心点并确定聚类中心个数θ和对应的子数据集(4)调用XGBOOST建模算法在子数据集上构建多个子模型H(m),(m＝1...θ)；当新样本xq到来时，依据式tq＝xqP，计算样本xq通过偏最小二乘法投影后的变量tq；(5)计算t_q与不同聚类中心点之间的距离，并据此确定距离该样本最近的聚类中心并将t_q输入与该聚类中心对应的步骤(4)中构建的XGBOOST子模型H(m)，计算最终输出值，即为模型针对原始样本x_q的预测值。