论文题目: PLSR用于化学化工建模的几个关键问题的研究
论文类型: 博士论文
论文专业: 化学工程与技术
作者: 成忠
导师: 陈德钊
关键词: 偏最小二乘回归,人工神经网络,模糊逻辑系统,非线性建模,离群点识别,稳健回归,软测量,样本加权,时间序列,定量结构活效性能关系,化工过程,多因变量
文献来源: 浙江大学
发表年度: 2005
论文摘要: 偏最小二乘回归（partial least squares regression,PLSR）作为一种基于因子分析的多变量校正方法,近年来广泛应用于化学、化工、经济、环境、食品、教育心理等领域。本文以PLSR方法的功能拓展和实际应用为主线,针对化学化工问题及其样本数据所具有的时变性、非线性、存在离群点及多因变量等特征,提出了拓展和改进PLSR功能的几个关键问题,使其能适应上述特性,满足实际需要,分别设计了加权分块递归偏最小二乘、模糊逻辑偏最小二乘、快速稳健偏最小二乘和基于极小极大估计的多因变量偏最小二乘等方法,并将这些方法应用于化学物质结构与性质间关系、化工生产过程等实际问题建模,效果显著。全文的主要内容可归结为以下五个部分,其中包括了研究工作所取得的主要成果。 1、系统回顾了偏最小二乘方法的发展历史、研究现状及应用领域;阐述偏最小二乘方法的基本原理及基本性质;简要介绍了偏最小二乘方法的诸多辅助分析技术。 2、为满足PLSR方法适于时变数据建模的要求,推导与构建了加权分块递归偏最小二乘回归方法。该方法基于相关多变量时变样本数据,采用偏最小二乘方法,以分块递归的方式,为过程变量建立软测量模型,并在分析时变数据特性的基础上,引入样本加权策略,以使模型具有跟踪过程变化的能力,同时提出选定加权函数相关参数的方法和步骤。将该法实际应用于某公司PTA装置溶剂脱水塔,为塔釜排出液H2O含量建立软测量模型,与已有方法相比,它提高了建模效率,改进了模型预测性能,从而对确保生产过程稳定,有效控制产品质量具有重要意义。 3、提出模糊偏最小二乘（fuzzy PLS,FPLS）算法的新方案。该算法针对化学化工数据的非线性及PLS成分对的单输入单输出特性而构建的,同时它可克服高维变量系统模糊建模引起的规则“组合爆炸”以及变量间的耦合关系导致模型泛化能力较弱。其中成对PLS成分间的模糊模型,按因变量成分随自变量成分的变化剧烈程度（幅度和频度）和逼近精度要求自适应确定模糊规则总数和规则前件参数,由最小二乘方法确定规则后件参数。为更好实现每对成分间
论文目录:
摘要
Abstract
第一章 绪论
1．1 立题背景分析
1．1．1 化学、化工中的两个共性课题
1．1．2 化学、化工数据的典型特征
1．2 系统常用建模方法
1．3 偏最小二乘回归建模方法
1．4 本文研究内容及组织
第二章 偏最小二乘回归方法的基础理论
2．1 偏最小二乘回归方法的历史和现状
2．2 偏最小二乘回归的基本原理
2．2．1 偏最小二乘回归的基本思想
2．2．2 偏最小二乘回归的数学原理
2．2．3 偏最小二乘回归的理论算法
2．2．4 偏最小二乘回归的实用算法
2．2．5 PLS成分数的确定
2．2．6 PLS成分的性质
2．3 偏最小二乘回归的辅助分析技术
2．3．1 变量常用统计量及数据预处理
2．3．2 精度分析
2．3．3 PLS成分的相关关系
2．3．4 变量投影重要性(VIP)
2．3．5 t_1／t_2平面图和T~2椭圆图
2．4 偏最小二乘同归的适用范围
第三章 加卡义分块递归偏最小二乘回归方法
3．1 引言
3．2 分块递归偏最小二乘回归方法
3．2．1 PLS算法的一种改进
3．2．2 递归偏最小二乘法
3．2．3 分块递归偏最小二乘法
3．2．3．1 样本分块
3．2．3．2 BRPLSR算法
3．3 加权分块递归偏最小二乘回归方法
3．3．1 样本加权方式
3．3．2 样本加权函数
3．3．3 WBRPLSR算法
3．4 实例应用：WBRPLSR为PTA溶剂脱水塔建模
3．4．1 模型及样本数据说明
3．4．2 PLS成分数确定
3．4．3 时间窗宽度及个数选择
3．4．4 几种方法结果比较
3．4．4．1 试验方式
3．4．4．2 LSR、PLSR与BRPLSR方法
3．4．4．3 WBRPLSR方法
3．4．4．4 结果与分析
3．5 本章小结
第四章 模糊逻辑偏最小二乘回归方法
4．1 引言
4．2 模糊逻辑系统
4．3 模糊逻辑偏最小二乘回归方法
4．3．1 自适应单输入单输出模糊逻辑系统
4．3．1．1 单输入单输出模糊模型
4．3．1．2 规则数M及隶属度函数参数的确定
4．3．1．3 最小二乘法确定规则后件参数
4．3．2 FPLS算法
4．3．3 实例应用：FPLS为HIV-1蛋白酶抑制剂QSAR建模
4．3．3．1 模型及样本数据说明
4．3．3．2 试验方式与性能评价指标
4．3．3．3 结果与分析
4．4 基于误差修正的模糊逻辑偏最小二乘回归方法
4．4．1 自适应的神经网络模糊逻辑系统(ANFIS)
4．4．2 EB-AFPLS算法
4．4．2．1 权系数W的误差修正
4．4．2．2 EB-AFPLS算法
4．4．2．3 模糊规则参数确定
4．4．3 实例应用：EB-AFPLS为HIV-1蛋白酶抑制剂QSAR建模
4．4．3．1 模型精度分析
4．4．3．2 PLS成分解释能力分析
4．4．3．3 隶属度函数参数的确定
4．5 本章小结
第五章 快速稳健偏最小二乘回归方法
5．1 离群点及其识别方法
5．2 快速稳健偏最小二乘回归方法(RRPLSR)
5．2．1 离群点的峭度识别法
5．2．2 RRPLSR算法
5．2．3 离群点的确认
5．3 实例应用：RRPLSR为鱼类物质近红外光谱在线检测
5．3．1 样本数据说明
5．3．2 试验结果分析
5．3．2．1 离群点识别与模型可靠性
5．3．2．2 模型拟合与预报性能
5．3．2．3 计算耗时
5．4 本章小结
第六章 基于极小极大估计的多因变量偏最小二乘回归方法
6．1 引言
6．2 基于极小极大估计的多因变量偏最小二乘回归方法
6．2．1 PLSR的三种多因变量建模方式
6．2．2 PLS-C&W算法
6．2．3 极小极大估计器与PLS-Minimax方法
6．3 实例应用：PLS-Minimax为化工聚合反应过程建模
6．3．1 样本数据说明
6．3．2 试验结果分析
6．3．2．1 模型预报精度比较
6．3．2．2 两种收缩估计器的比较和分析
6．4 本章小结
第七章 总结与展望
7．1 全文总结
7．2 存在的不足
7．3 工作展望
参考文献
致谢
作者攻读博士期间撰写的论文和参与的项目
发布时间: 2006-05-10
相关论文
- [1].化工过程混合建模问题研究[D]. 王寅.浙江大学2001
- [2].软测量技术若干问题的研究及工业应用[D]. 刘瑞兰.浙江大学2004
- [3].综合建模方法和先进控制技术在两个化工过程中的应用[D]. 张湜.南京工业大学2003
- [4].化工动态优化方法的研究与应用[D]. 张兵.浙江大学2005
- [5].基于数据的软测量建模方法及其应用的研究[D]. 李春富.清华大学2005
- [6].连续蚁群优化算法的研究及其化工应用[D]. 程志刚.浙江大学2005
- [7].最小二乘支持向量机的改进及其在化学化工中的应用[D]. 陶少辉.浙江大学2006
- [8].两种随机优化算法的改进及其化工应用研究[D]. 成飙.浙江大学2007
- [9].软测量建模方法研究及其工业应用[D]. 傅永峰.浙江大学2007
- [10].偏最小二乘算法及其在基于结构风险最小化的机器学习中的应用[D]. 白裔峰.西南交通大学2007
标签：偏最小二乘回归论文; 人工神经网络论文; 模糊逻辑系统论文; 非线性建模论文; 离群点识别论文; 稳健回归论文; 软测量论文; 样本加权论文; 时间序列论文; 定量结构活效性能关系论文; 化工过程论文; 多因变量论文;