面向半监督数据集的智能软测量建模方法研究与应用

项目名称： 面向半监督数据集的智能软测量建模方法研究与应用

项目编号： No.61370029

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 自动化技术、计算机技术

项目作者： 葛志强

作者单位： 浙江大学

项目金额： 76万元

中文摘要： 针对流程工业过程中普遍存在的半监督数据结构特征，本项目拟开展基于贝叶斯和半监督学习理论的智能软测量建模方法研究。具体研究内容包括：分析流程工业过程半监督数据结构特点；有监督和半监督软测量模型相互转化条件和优缺点分析；在主动学习建模框架下，研究基于智能数据统计分析模型的半监督软测量方法，包括径向基线性主动学习算法、非线性主动学习算法以及核学习半监督软测量建模方法等；面向工业过程的复杂数据特性，研究基于贝叶斯统计学习的半监督概率软测量建模方法，包括混合贝叶斯线性模型、非线性概率模型以及半监督迭代概率模型等；融合集成学习算法，对半监督软测量模型的鲁棒性、适应性以及可靠性进行分析。项目的研究目标是提出一套适合流程工业半监督数据集的软测量建模方法。研究成果对提升过程产品质量的闭环控制性能、节省建模时间与成本、提高过程运行效率以及缩短产品开发周期均具有重要的理论意义与实际应用价值。

中文关键词： 半监督建模；软测量；贝叶斯方法；概率建模；非线性

英文摘要： According to the semi-supervised data characteristic in the process industry, this project intends to carry out research on intelligent soft sensor modeling based on the theories of Bayesian learning and semi-supervised learning. First, the semi-supervise

英文关键词： Semi-supervised modeling；Soft sensor；Bayesian method；Probabilistic modeling；Nonlinear