专利名称：借助Pearson相关系数实现生产过程主导变量精简化软测量方法
技术领域：
本发明属于软测量技术领域，具体涉及一种借助Pearson相关系数实现生产过程主导变量精简化软测量的方法。
背景技术：
到目前为止，在实际生产过程中，存在着许多因为技术或经济原因无法直接测量的变量，在这种情况下，软测量技术应运而生。软测量就是依据可测、易测的过程变量(称为辅助变量)与难以直接检测的待测变量(称为主导变量)的数学关系，根据某种最优准贝U，采用各种计算方法，用软件实现对待测变量的测量或估计。软测量技术是目前研究的一个热点，例如中国专利(专利号200410017533. 7)就提出了一种基于支持向量机的软测量建模方法。在软测量过程中，辅助变量的选择是第一步。在大多数实际生产过程中，人们经常不能确定哪个辅助变量与主导变量相关，或有多大程度的相关，因而导致参与计算的辅助变量数量众多。将众多辅助变量通过计算，实现对主导变量的软测量，会带来庞大的计算量，不仅耗时耗力，并且得到的软测量结果也并不一定是最好的，这是在生成过程中不希望看到的事情。如何利用最少的辅助变量集对主导变量实现效果最好的的软测量，成为人们追求的目标。
发明内容
本发明的目的在于提供一种借助Pearson相关系数实现生产过程主导变量精简化软测量方法，能够在建模效果最佳的准则上找出含辅助变量个数最少的辅助变量集对主导变量进行建模，实现对主导变量精简化的软测量。本发明的技术方案如下一种借助Pearson相关系数实现生产过程主导变量精简化软测量方法，其关键在于按如下步骤进行步骤一确定与主导变量可能相关的n个原始辅助变量，采集n个原始辅助变量和主导变量的取值，组成样本集，样本集大小为m，样本大小为n+1 ；所述样每个样本中，包含有一个主导变量和n个原始辅助变量共n+1个变量的取值。步骤二 利用Pearson相关系数算法分别计算n个原始辅助变量的权重值；利用Pearson相关系数算法计算n个原始辅助变量中任一原始辅助变量X的权重值，就是计算原始辅助变量X与主导变量Y的Pearson相关系数P X,Y :
权利要求
1.一种借助Pearson相关系数实现生产过程主导变量精简化软测量方法，其特征在于按如下步骤进行步骤一确定与主导变量可能相关的η个原始辅助变量，采集η个原始辅助变量和主导变量的取值，组成样本集，样本集大小为m，样本大小为n+1 ；步骤二 利用Pearson相关系数算法分别计算η个原始辅助变量的权重值；步骤三η个原始辅助变量组成原始辅助变量序列；步骤四确定最佳辅助变量集，包括以下步骤第一步，设定循环次数Ν=η ；第二步，随机从样本集中选择P个样本作为训练样本，剩下的m-p个样本作为检验样本；第三步，根据所述训练样本，利用BP神经网络建立原始辅助变量序列中所包含变量的非线性模型；第四步，将所述检验样本的原始辅助变量值输入至所述非线性模型，得到m-p个检验样本对应的主导变量预测值；第五步，计算m-p个检验样本主导变量预测值的均方误差MSE ；第六步，删除当前原始辅助变量序列中权重值最小的原始辅助变量，组成新的原始辅助变量序列；设定N=N-1,判断此时N是否为O :如果N古0，则回到第三步；如果N=O，则最小的MSE对应原始辅助变量序列即为最佳辅助变量集；步骤五最佳辅助变量集在步骤四中对应的非线性模型即为精简化软测量模型。
2.根据权利要求1所述的借助Pearson相关系数实现生产过程主导变量精简化软测量方法，其特征在于在利用BP神经网络建立原始辅助变量序列中所包含变量的非线性模型的过程中，输入层的节点个数等于当前原始辅助变量序列中所包含的变量个数，隐含层的节点个数通过交互验证法确定，输出层的节点个数为1，其中，隐含层的传递函数为
全文摘要
本发明公开了一种借助Pearson相关系数实现生产过程主导变量精简化软测量方法，其特征在于按如下步骤进行一，确定与主导变量可能相关的n个原始辅助变量，采集n个原始辅助变量和主导变量取值数据并组成样本集；二，利用Pearson相关系数算法分别计算n个原始辅助变量的权重值；三，组成原始辅助变量序列；四，建模并根据最小均方误差MSE确定最佳辅助变量；五，得到精简化软测量模型。本发明能够在建模效果最好的基础上找出含辅助变量个数最少的辅助变量集对主导变量进行建模，实现对主导变量精简化的软测量。
文档编号G01D21/00GK103033214SQ20121055194
公开日2013年4月10日 申请日期2012年12月18日 优先权日2012年12月18日
发明者李太福, 苏盈盈, 姚立忠, 颜克胜, 胡文金, 王美丹 申请人:重庆科技学院