[发明专利]一种基于GA-LS方法的软测量建模辅助变量选择方法

摘要

本发明公开了一种基于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。

主权项

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，ε_i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。