基于改进GA-PLS算法的最优辅助变量选择及其在软测量建模中的应用

作     者：刘瑞兰 陈渭泉 苏宏业 LIU Rui-lan;CHEN Wei-quan;SU Hong-ye

作者机构：南京邮电大学自动化学院江苏南京210003 浙江大学工业控制技术国家重点实验室浙江杭州310027 

出 版 物：《南京邮电大学学报（自然科学版）》 (Journal of Nanjing University of Posts and Telecommunications：Natural Science Edition)

年 卷 期：2006年第26卷第1期

页      面：76-80页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0811[工学-控制科学与工程] 071102[理学-系统分析与集成] 081103[工学-系统工程] 

基　　金：江苏省高校自然科学研究指导性计划(05KJD520153)资助项目 

主　　题：遗传算法 部分最小二乘 变量选择 软测量 催化重整 

摘      要：提出了改进的遗传算法与部分最小二乘回归相结合的最优辅助变量的选择方法。用遗传算法来选择变量时,编码方法简单,染色体的长度为候选变量的个数,每一位的取值(0或1)表示某个变量是否被选中,具有全局搜索性能的遗传算法与传统的变量选择方法相比可以比较准确地找到最(次)优解;同时部分最小二乘回归能够克服多元回归中常见的多重共线性问题,在样本点个数少于变量个数的条件下也能进行回归建模分析。用文中提出的方法建立了催化重整过程中稳定油组分的软测量模型,结果表明了本文提出的辅助变量选择方法的优越性和实用性。