基于混合准则的软测量建模辅助变量选择方法.docx

基于混合准则的软测量建模辅助变量选择方法
软测量建模是一种基于数据驱动的过程建模方法，该方法利用数据分析来建立数学模型，对于无法直接测量的工业过程参数进行估计和预测。软测量建模的应用能够有效提高工业过程的稳定性、产品质量、能源利用率等方面的性能，因此在工业生产中拥有广泛的应用价值。
辅助变量选择是软测量建模中一个关键的环节，它能够帮助建模者选择最佳的变量组合，降低建模的复杂度并提升建模的精度。目前市场上有很多变量选择方法，但在工业过程中，这些方法的适用性和效果并不尽如人意，因此需要开发新的变量选择方法来满足实际需求。本文将介绍一种基于混合准则的软测量建模辅助变量选择方法。
混合准则法是将多个准则结合起来，在每次选择变量时按照权重进行排序。通常情况下，各准则的权重由用户根据应用需求设定，利用适当的权重分配方法确定各准则的权重。本文采用的混合准则由均方误差（MSE）和模型复杂度（Cp）两个准则按照1：1的权重设定。
本文的软测量建模辅助变量选择方法具有以下优点：
首先，该方法采用混合准则来进行变量选择，权衡了模型预测精度和模型复杂度两方面因素。这种方法既能够减少模型复杂度，又能够保持较高的预测精度，使得软测量建模更加合理和实用。
其次，该方法能够准确地识别模型中的主要变量，并剔除无效变量，降低了模型的复杂度和计算时间。这是因为该方法能够利用相关性分析来识别变量之间的关系，并指导变量选择过程，最终选择最优变量组合。
最后，本方法能够通过自动化程序实现变量选择过程，减少了人工干预，避免了主观性干扰。能够实现自动化变量选择的程序减轻了操作人员的工作量，提高了工作效率和可靠性。
总之，本文提出的基于混合准则的软测量建模辅助变量选择方法，集成了多准则决策、相关性分析和自动化程序等技术，具有较高的实用价值和应用前景。在未来的实际工业应用中，该方法将有望为工业过程参数的估计和预测提供更有效、准确的工具。
参考文献：
[1]刘长顺.软测量模型变量选择方法比较与评价[J].化学工业与工程,2014,31(3):48-52.
[2]邝国飞,李晓贤,刘君,等.基于模型质量和模型复杂度的软测量变量选择方法[J].化工学报,2013,64(2):501-510.
[3]马明明,胡志伟,田文彬,等.基于多准则决策的软测量变量选择方法[J].控制理论与应用,2012,29(11):1424-1430.