改进的PLS回归及其在粗汽油干点估计中的应用.pdfVIP

第28卷增刊 信息与控制 Vol.28.Supplement 1999年8月 InformationandControl AuR..1999 - .一 一~一 ~一一 七一 一 一 钾今今一 一 ，~ 二一 二一二一 一 改进的PLS回归及其在粗汽油干点估计中的应用 张志强 胡立生 邵惠鹤 (上海交通大学自动化研究所 上海 200030) 摘 奥 在用最小二乘等统计方法建立过程对象模型时常常要通到变t多盆相关的问皿. PLS回归方法可以通过信息分解与综合的策略克眼变童多重相关的不良影响，并排除对系统无娜 释意义的信息.对常规PLS回归算法进行改进，可直接由自变tI矩阵对因变t矩阵进行估计，中何 无需计算主成分值.将改进的PLS回归方法应用于催化裂化装盆分馏塔顶祖汽油千点估计，实践 表明这是一种不错的软侧t方法. 类性词 PLS回归，干点，软侧tI 1 引宫 对粗汽油干点进行控制是催化裂化装置日常操作中的一个重要召标，因此粗汽油千点分 析是一个比较重要的化验分析指标.但是油品干点难以在线侧盆，通常只能离线分析，分析周 期长、滞后大，不利于对质量的有效控制.于是出现了对粗汽油干点进行软侧盆的方法U7，利用 一些可以实时检侧到的数据，通过预估模型的计算来实时对粗汽油干点进行预估，进而用于控 制或指导生产操作.在采用回归的方法建立对象的模型时.为了尽可能完备地描述对象的特 性，不遗肠一些重要的变蚤，大家往往会较周全地选取有关指标.这样构成的多变孟系统常会 出现变盆多皿相关的现象.而变盆多重相关性常常严重影响参数估计，扩大棋型误差，并破坏 模型的鲁棒性.另一方面，由于多变最系统中变最间极其复杂的相关关系，建模时不太容易对 这些相关关系做出清晰的认识，并从众多的变盆中准确地筛选出所孺的变盈.因此在所选取的 诸多指标中，可能还会夹杂一部分对系统全无解释意义的信息.这些都给建模工作带来一定的 困难. 由WoldS.等人提出的偏最小二乘(PLS)回归理论则可以很好地克服上面两种困难111 PLS回归是一种新型的多元数据分析方法，它集多因变t对多自变a的回归建棋、典型相关 分析以及主成分分析于一体一次计算之后，可以同时实现预侧建模、两组变t间的相关分析 以及对多变量系统的综合简化.利用PLS回归方法建立模型后，在对新数据进行估计时目前 常用的方法有两种，一种是迭代的方法GI，另一种是利用因变址对主成分的回归模型.这两种 方法的一个共同的缺点是都要先计算出主成分的数值才能对因变t进行估计，计算过程比较 繁.我们对这一步做了改进，利用自变盘的侧母数据直接计算出对因变盆的估计值来，无需计 算主成分值. 2PLS回归原理与算法 与普通的最小二乘回归相似,PLS回归分析的主要目的也是建立多个因变A与多个自变 量之间的回归模型.它的主要思想是将处于高维数据空间且带有相关性的数据阵列投影到低 维的特征空间中，在降维的同时保证特征空间的主成分保留了原始数据的主要信息而忽略了 信 息 与 控 制 28卷 fyr信息. 记X为nXp(np)维的自变量数据矩阵，Y为nq(nq)维的因变量数据矩阵.为 后续分析方便起见，这里不妨设X与Y的各列已被标准化，每个变量的样本均值为零，样本方 差为1.PLS回归方法对X,Y进行分解 X=TCr+E.=名t,c+Ei 一 (1) Y=SVT+E,+名SAVA+E, 。 。 (2) 并在T,S之间建立如下的回归关系 〔 S=TB 气3) 式中，T,S为特征矩阵，c,V为载荷矩阵，凡,E，为