An adaptive soft sensor method of D-vine copula quantile regression for complex chemical processes
An adaptive soft sensor method of D-vine copula quantile regression for complex chemical processes
复制标题
复杂化学过程的D-vine copula分位数回归自适应软测量方法
DOI：
10.1016/j.ces.2020.116210
复制
发表时间：
2021-02
影响因子：
4.7
通讯作者：
Shaojun Li
中科院分区：
文献类型：
--
作者：
Jianeng Ni;Shaojun Li
非线性和非高斯特性是化工过程软测量建模中具有挑战性的课题，化工厂环境条件的波动也会影响软测量模型的准确性。本文提出了一种D-vine copula分位数回归（aDVQR）的自适应软测量方法。在建模过程中，利用贝叶斯信息准则建立了稀疏藤蔓模型。然后，通过hfunction的递归嵌套方法就可以得到指定分位数的条件分位数函数值。提出了一种基于aDVQR模型的在线模型更新系统，并建立了自适应软测量模型。所提出的自适应软测量方法可以成功地近似变量之间的非线性和非高斯关系并适应不稳定的环境。最后通过数值算例和乙烯工业算例验证了所提方法的有效性。
Non-linear and non-Gaussian properties are challenging topics in the soft sensor modeling of chemical processes, and fluctuations in the environmental conditions of chemical plants will also affect the accuracy of soft sensor models. This paper proposes an adaptive soft sensor method of D-vine copula quantile regression (aDVQR). In the modeling process, a sparse vine model is established using the Bayesian information criterion. Then, the conditional quantile function value of the specified quantile can be obtained via the recursive nesting method by thehfunction. An online model updating system based on the aDVQR model is also proposed, and an adaptive soft sensor model is established. The proposed adaptive soft sensor method can successfully approximate the non-linear and non-Gaussian relationships between variables and adapt to unstable environments. Finally, a numerical example and an example of the ethylene industry are used to verify the effectiveness of the proposed method.
登录
查看更多内容
基于生成地形图回归的概率非线性软测量建模
影响因子：
3.9
作者：
Yuan Xiaofeng;Chen Zhiwen;Wang Yalin
通讯作者：
Wang Yalin
DOI：
10.1109/tim.2014.2313035
发表时间：
2014-11-01
影响因子：
5.6
作者：
Li, Weilin;Monti, Antonello;Ponci, Ferdinanda
通讯作者：
Ponci, Ferdinanda
影响因子：
5.8
作者：
E. Brechmann;U. Schepsmeier
通讯作者：
E. Brechmann;U. Schepsmeier
影响因子：
1.8
作者：
Kraus, Daniel;Czado, Claudia
通讯作者：
Czado, Claudia
影响因子：
--
作者：
PARZEN, E
通讯作者：
PARZEN, E