买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：清华大学;江苏斯尔邦石化有限公司

摘要：本申请公开了一种基于整体优化的即时学习的软测量建模方法、装置、电子设备及存储介质，该方法通过协同表示算法获得历史样本的权重矩阵，并通过加权岭回归算法建立加权岭回归模型，将两种算法进行融合，形成统一的即时学习优化目标，最终通过交替迭代的方式进行求解。从而很好地处理工业过程的非线性、时变性及多重共线性问题，还将相似样本选择和局部模型的构建融合到一个优化函数中，实现利用局部模型的信息指导相似样本的选择，提高相似样本的可靠性及局部模型的预测精度。由此，解决了现有技术预测精度差等问题。

主权项：1.一种基于整体优化的即时学习的软测量建模方法，其特征在于，包括以下步骤：根据预设输入变量权重矩阵计算采集的查询数据与预设辅助变量数据集中所有样本的加权欧氏距离，其中，所述预设辅助变量数据集由现场传感器以及存储设备实时采集与存储工业过程中和质量相关的辅助变量构成，所述辅助变量包括塔顶温度、塔底压力、回流量、流向下一过程流量、目标层的塔板温度和塔底温度；将所述加权欧氏距离融合到协同表示正则项中，得到目标协同表示模型，并利用所述目标协同表示模型计算所述预设辅助变量数据集中各个历史样本的权重矩阵；根据目标训练数据集和所述各个历史样本的权重矩阵建立加权岭回归模型，将所述目标协同表示模型和所述加权岭回归模型的优化目标进行融合，计算所述预设辅助变量数据集与所述查询数据的加权岭回归模型系数；利用所述加权岭回归模型系数计算所述查询数据的预测值；所述根据目标训练数据集和所述各个历史样本的权重矩阵建立加权岭回归模型，将所述目标协同表示模型和所述加权岭回归模型的优化目标进行融合，计算所述预设辅助变量数据集与所述查询数据的加权岭回归模型系数，利用所述加权岭回归模型系数计算所述查询数据的预测值，包括：根据所述目标训练数据集与所述历史样本的权重矩阵建立所述加权岭回归模型，优化目标为： 其中，为加权岭回归模型系数，λ2为岭回归正则项系数；将所述目标协同表示模型和所述加权岭回归模型的优化目标进行融合，得出统一的优化目标为： 其中，a为两个算法优化目标的权重系数，b为协同表示系数，λ1为协同表示正则项系数，为加权岭回归模型系数，λ2为岭回归正则项系数；计算所述加权岭回归模型系数w： 其中，利用所述加权岭回归模型系数计算所述查询数据的预测值 其中，为查询数据xq的转置。

全文数据：

权利要求：

百度查询： 清华大学 江苏斯尔邦石化有限公司 基于整体优化的即时学习的软测量建模方法及装置