.png){kind=icon}
返回
Nonparametric Dynamic Inner Kernel-Regularized Latent Variable Regression Algorithm for Process Modeling
.png){kind=icon}
OA
AI
DOI：10.1021/acs.iecr.5c03622.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多元统计方法对于建立动态过程中变量之间的关系至关重要。然而，在提取潜在变量（LVs）时，很少关注利用先验知识以及识别过程动态程度，而这些在实际中对于提高建模效率至关重要。本文提出了一种新颖的非参数动态内潜变量回归算法，用于过程建模，通过从高度相关的过程和质量数据中提取显式动态潜变量。潜变量之间的内动态结构被建模为脉冲响应，其中模型阶数定义了过程的动态程度。采用非参数系统辨识技术对内模型进行估计，使模型能够在模型复杂度和灵活性之间取得良好平衡，从而实现对过程动态程度的估计并确保模型性能的一致性。在无限维空间内搜索内模型时，通过基于核的正则化技术将脉冲响应的先验知识纳入其中，以增强模型的平滑性和稳定性。此外，先验知识也被整合到动态潜变量提取过程中，从而改善了动态潜变量回归模型的数值性质。基于化学和生物过程的案例研究被提出，以证明所提出方法的有效性。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
I
IF:
3.9
论文数:
4.0W
被引数:
9.6W
机构
引用论文
.png){kind=icon}
Inferential control system of distillation compositions using dynamic partial least squares regression使用动态偏最小二乘回归的蒸馏成分推理控制系统
PREAI
分享收藏Dynamic latent variable regression for inferential sensor modeling and monitoring用于推断传感器建模和监控的动态潜变量回归
PREAI
分享收藏
查看更多内容