[發(fā)明專利]一種基于時間差分的增量學(xué)習(xí)XGBOOST模型的自適應(yīng)軟測量建模方法

有效

• 申請?zhí)枺?/td>: 201811324351.2
• 申請日: 2018-11-08
• 公開（公告）號: CN109240090B
• 公開（公告）日: 2020-10-23
• 發(fā)明（設(shè)計）人: 葛志強;宋博
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 賈玉霞;邱啟旺

本發(fā)明公開一種基于時間差分的增量學(xué)習(xí)XGBOOST模型的自適應(yīng)軟測量建模方法，該方法首先通過時間差分方法，計算過程輸入輸出采樣的時間差分量，然后在輸入和輸出時間差分量上建立增量學(xué)習(xí)XGBOOST模型。基于時間差分的增量學(xué)習(xí)XGBOOST模型能夠自適應(yīng)地捕捉時變過程的變化，不斷調(diào)整模型參數(shù)得到最準確的模型結(jié)構(gòu)，相比于傳統(tǒng)的自適應(yīng)軟測量模型，基于時間差分的增量學(xué)習(xí)XGBOOST模型能夠有效提高對于時變過程建模的準確性，并且能夠準確映射復(fù)雜生產(chǎn)過程中的變量關(guān)系，不受數(shù)據(jù)分布假設(shè)、數(shù)據(jù)集的大小限制，同時具備良好的可解釋性和魯棒性。

技術(shù)領(lǐng)域

本發(fā)明屬于工業(yè)過程控制領(lǐng)域，具體涉及一種基于時間差分的增量學(xué)習(xí)XGBOOST模型的自適應(yīng)軟測量建模方法。

背景技術(shù)

實際的工業(yè)過程中往往伴隨著環(huán)境的變化、平臺儀器設(shè)備的老化、原材料進料變化以及催化劑活性退化等現(xiàn)象，過程的物理化學(xué)特性往往處在不斷的變化當中。過程時變性是一種緩慢變化過程，容易導(dǎo)致軟測量模型精度的不斷下降。為了正確跟蹤過程狀態(tài)，需要對軟測量模型進行自適應(yīng)更新和矯正。常用的模型自適應(yīng)更新方法包括滑動窗方法、時間差分方法、遞歸方法和即時學(xué)習(xí)方法。實際應(yīng)用中滑動窗模型通常難以達到比較高的預(yù)測精度，當選擇的窗口長度較小，工作點的信息不夠完整，模型不夠準確；窗口長度較長，對于新狀態(tài)的跟蹤不夠靈敏；即時學(xué)習(xí)方法要求歷史數(shù)據(jù)信息足夠充足才能較準確地反應(yīng)當前過程特性；時間差分方法對于變量漂移問題的解決效果較好，但是難以解決過程特性變化導(dǎo)致的變量間關(guān)系改變的問題。傳統(tǒng)的自適應(yīng)建模方法難以同時平衡模型的魯棒性和準確性，在實際的應(yīng)用過程中具有一定的局限性。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決復(fù)雜生產(chǎn)過程由于過程時變特性導(dǎo)致的軟測量模型退化等問題，提出一種基于時間差分的增量學(xué)習(xí)XGBOOST模型的自適應(yīng)軟測量建模方法，相較于傳統(tǒng)的自適應(yīng)建模方法，基于時間差分的增量學(xué)習(xí)XGBOOST模型能夠更加準確地捕捉過程時變特性，并且通過時間差分方法有效地解決了變量漂移對于預(yù)測效果的負面影響。

本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：

一種基于時間差分的增量學(xué)習(xí)XGBOOST模型的自適應(yīng)軟測量建模方法，其特征在于，包括以下步驟：

S1：假設(shè)工業(yè)生產(chǎn)過程在歷史t時刻的輸入輸出采樣值分別為x(t)和y(t)，首先分別計算過程輸入變量和目標變量的時間差分量，即：Δx(t)＝x(t)-x(t-1)，Δy(t)＝y(tǒng)(t)-y(t-1)，得到歷史差分數(shù)據(jù)集ΔX(t)和ΔY(t),其中，ΔX(t)∈R^L×N，ΔY(t)∈R^L，L和N分別代表樣本數(shù)和輸入變量維度；

S2：調(diào)用XGBOOST建模算法在歷史差分數(shù)據(jù)集ΔX(t)和ΔY(t)上建立XGBOOST模型，調(diào)整模型參數(shù)得到均方差最小的XGBOOST模型結(jié)構(gòu)，得到歷史輸入差分變量和歷史目標差分變量間的回歸模型ΔY(t)＝f(ΔX(t))；

S3：當新的數(shù)據(jù)樣本到來時，調(diào)用基于XGBOOST的增量學(xué)習(xí)算法更新S2中得到的回歸模型，得到自適應(yīng)回歸模型ΔY(t)＝f_adapt(ΔX(t))，該更新方法在保留歷史數(shù)據(jù)信息的前提下，依據(jù)新樣本間的變量關(guān)系更新回歸模型的葉子結(jié)點權(quán)值，進而實現(xiàn)對回歸模型進行自適應(yīng)更新；