基于JIT-RVC算法的软测量的研究及其应用
针对传统JIT（Just-in-time）算法单纯以距离为数据选择的缺陷，以及局部模型鲁棒性差，稳定性不强的特点，文中一方面提 出了与Jolliffe 参数相结合的鲁棒最近相关算法，使得JIT 算法能够在离群点出现的情况下正确的选择建模数据，另一方面，还将合 成随机变系数概率模型算法（Ensemble RVC）作为JIT 算法的局部模型构成了JIT-RVC 算法，于此强化了传统JIT 算法的非线性逼近 能力和鲁棒性。最后，通过强烈干扰情况下的污水生化处理的BOD5 软测量预测仿真结果证明了算法的有效性，特别要指出的是相较 于JIT-PLS 算法，JIT-RVC 算法的RMSE 指标减少了55％，而相关系数提高了53％。
鲁棒最近相关算法 即时 合成随机变系数概率模型 污水生化处理 5天生物需氧量
刘乙奇 黄道平 李艳
华南理工大学自动化科学与工程学院 广东 广州 510640
国内会议
南京
中文
617-621
1900-01-01（万方平台首次上网日期，不代表论文的发表时间）