一种基于D-S和ARIMA的多模型软测量方法
来源期刊:控制与决策2014年第7期
论文作者:王振雷 唐苦 王昕
文章页码:1160 - 1166
关键词:证据理论合成规则;差分自回归滑动平均模型;数据融合;多模型;软测量;
摘 要:针对传统软测量方法存在的预测性能差、融合能力低等缺点,提出一种基于证据理论(D-S)合成规则和差分自回归滑动平均(ARIMA)模型的多模型软测量方法.首先利用自适应模糊核聚类方法和最小二乘支持向量机建立多个子模型;然后利用D-S合成规则构造的概率分配函数作为权值因子,对子模型输出进行融合以得到多模型的输出;最后结合ARIMA模型对静态多模型输出进行动态校正.仿真研究与工业应用的结果表明,所提出的方法具有良好的预测性能和融合能力.
王振雷1,唐苦1,王昕2
1. 华东理工大学化工过程先进控制和优化技术教育部重点实验室2. 上海交通大学电工与电子技术中心
摘 要:针对传统软测量方法存在的预测性能差、融合能力低等缺点,提出一种基于证据理论(D-S)合成规则和差分自回归滑动平均(ARIMA)模型的多模型软测量方法.首先利用自适应模糊核聚类方法和最小二乘支持向量机建立多个子模型;然后利用D-S合成规则构造的概率分配函数作为权值因子,对子模型输出进行融合以得到多模型的输出;最后结合ARIMA模型对静态多模型输出进行动态校正.仿真研究与工业应用的结果表明,所提出的方法具有良好的预测性能和融合能力.
关键词:证据理论合成规则;差分自回归滑动平均模型;数据融合;多模型;软测量;