基于软测量技术的化学信息学相关问题研究

摘要

随着计算机学科和化学工业的不断发展，化学信息学应运而生。化学信息学的研究领域中，化学工业生产一直是研究的热点和重点内容。在实际的工业过程中，数据处理过程极其繁琐，存在诸多不稳定因素如：多变量耦合、参数时变、强非线性、大滞后等特点。这些不稳定因素的存在使得传统传感器在实际应用中无法得到高效应用，无法对重要变量取得快速精准的测量，生产过程中无法得到有效优化和诊断。软测量技术是跨时代的新型智能检测技术，广泛的应用在工业过程测控系统中并具有广阔的应用发展前景。本文以冶炼烟气制酸干吸工段中酸浓度检测的问题过程为背景，对软测量建模方法进行了研究。针对于传统软测量建模方法存在的适用范围小、精度低、鲁棒性不强等问题，为了解决这些问题本文研究了基于相关向量机的软测量建模方法，仿真结果验证了该方法的有效性。
　　本文介绍了软测量技术基本原理，分析了对软测量技术研究的目的和意义，概述了目前国内外专家学者的研究成果和发展，对软测量技术常用的解决方案和面临的难点进行了阐述，深入分析了机器学习算法在软测量上的应用，并针对难点总结了目前世界上常用的解决方法。研究了相关向量机原理及其回归软测量模型，由于数据的维数较高，对模型的训练带来了复杂困难的难题，本文采用了一种对属性约简的方法，对输入数据数量进行简化，得到了几类对预测结果影响偏大的相关输入属性。在此基础上，提出了一种优化的相关向量机的软测量模型。通过仿真结果可知，用该算法建立的软测量模型方便有效，预测精度准确。为了有效提高化学工业生产过程中的预测效率，并保持预测精度。可以利用“相关向量”在相关向量机中低比重的特征。在阈值系数和最大上限约减相结合的基础上，通过迭代估计方法对训练数据样本的超参进行有效的快速估计，这样可以去除训练数据中诸多的非相关向量，同样也缩小了训练样本的规模，极大缩短了模型训练的时间，在此基础之上提出基于快速估计的相关向量机软测量技术。实验结果表明，提升了硫酸浓度检测速率，并保持了精度。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1课题研究的目的和意义

1.2软测量技术的研究概况

1.3 本课题研究的主要内容

第2章 软测量技术概述和相关向量机原理分析

2.1软测量技术概述和分析

2.2相关向量机原理与分析

2.3本章小结

第3章 基于一种改进相关向量机的软测量技术

3.1模糊单调模型

3.2相同距离区间划分法

3.3基于区间最小值的模糊单调属性约简算法

3.4硫酸浓度预测的RVM模型仿真与结果

3.5本章小结

第4章 基于快速估计相关向量机的软测量技术

4.1快速估计方法

4.2改进后的相关向量机

4.3算法实验及结果分析

4.4本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢