[發明專利]工業軟測量中考慮因果效應的輔助變量選擇方法

在審

• 申請號: 202111176741.1
• 申請日: 2021-10-09
• 公開（公告）號: CN113821982A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 孫衍寧;秦威;許鴻偉;譚潤芝;王無印
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F111/08
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

1.一種工業軟測量中考慮因果效應的輔助變量選擇方法，其特征在于，基于軟測量建模對象的歷史數據集，經過預處理得到離散化的候選變量集和主導變量數據樣本；通過每一個候選變量與主導變量的互信息確定每一個候選變量與主導變量的因果效應；采用基于因果效應的變量篩選算法，保留所有因果效應不為零的候選變量作為輔助變量集；

所述的歷史數據集是包含M個變量的N個等時間間隔的觀測樣本，其中前M-1個變量是候選輔助變量，即F＝{X₁，X₂，...，X_M-1}，第M個變量是主導變量。

2.根據權利要求1所述的工業軟測量中考慮因果效應的輔助變量選擇方法，其特征是，所述的預處理是指：采用基于直方圖的等長劃分方法來離散化數據，有效考慮工業數據中存在的離群點問題，最佳劃分長度n_h＝max(R/(2·IQR/N^1/3)，log₂N+1)，其中：R是樣本的極差，IQR是樣本的四分位數范圍，N是樣本的數目。

3.根據權利要求1所述的工業軟測量中考慮因果效應的輔助變量選擇方法，其特征是，所述的每一個候選變量與主導變量的互信息是指：I(X；Y)＝H(X)+H(Y)-H(X，Y)，其中：X和Y表示兩個離散隨機變量，H(X)和H(Y)分別表示X和Y的香農熵，表示隨機變量所含的平均信息量或不確定性的大小；H(X，Y)表示X和Y的聯合香農熵；香農熵H(X)＝-∑_xP(x)log P(x)，聯合香農熵H(X，Y)＝-∑_x，yP(x，y)log P(x，y)，H(·)表示香農熵，P(·)表示概率質量函數。

4.根據權利要求3所述的工業軟測量中考慮因果效應的輔助變量選擇方法，其特征是，所述的每一個候選變量與主導變量的互信息，為降序排列。

5.根據權利要求1所述的工業軟測量中考慮因果效應的輔助變量選擇方法，其特征是，所述的每一個候選變量與主導變量的因果效應其中：聯合條件互信息H(Y|X₁，X₂，...，X_k)表示給定一組候選變量{X₁，X₂，...，X_k}后Y的剩余不確定性，聯合條件互信息H(Y|X₁，X₂，...，X_k，X_k+1)表示進一步給定候選變量X_k+1后Y的剩余不確定性，則表示X_k+1對Y的因果效應，k≤M-1。

6.根據權利要求3所述的工業軟測量中考慮因果效應的輔助變量選擇方法，其特征是，兩個聯合條件互信息進一步表示為聯合香農熵的形式，具體為：H(Y|X₁，X₂，...，X_k)＝H(X₁，X₂，...，X_k，Y)-H(X₁，X₂，...，X_k)，H(Y|X₁，X₂，...，X_k，X_k+1)＝H(X₁，X₂，...，X_k，X_k+1，Y)-H(X₁，X₂，...，X_k，X_k+1)。

7.根據權利要求1所述的工業軟測量中考慮因果效應的輔助變量選擇方法，其特征是，所述的基于因果效應的變量篩選算法是指：根據包含M-1個候選輔助變量的集合F＝{X₁，X₂，...，X_M-1}及其主導變量Y，從F中選擇因果效應不為零的一個特征加入到輔助變量集S中，具體為：

8.一種實現權利要求1～7中任一所述方法的工業軟測量中考慮因果效應的輔助變量選擇系統，其特征在于，包括：數據采集和預處理模塊、輔助變量選擇模塊、軟測量模型構建模塊以及模型維護模塊，其中：數據采集和預處理模塊直接采集工業現場儀表得到的歷史數據，并進行數據去噪、空值和異常值檢測處理，得到輔助變量選擇及軟測量建模所需歷史數據集；輔助變量選擇模塊根據歷史數據信息，選擇與主導變量關系密切的輔助變量集合，從而剔除冗余信息、降低軟測量建模難度和模型復雜度；軟測量模型構建模塊綜合考慮歷史數據和應用對象，選定合適的軟測量方法建立模型；模型維護模塊根據軟測量模型投入周期性使用的性能下降趨勢，對軟測量模型進行在線校正，以保證模型預測的準確性和可靠性。