文献

J-GLOBAL ID：201702268906245495   整理番号：17A1670010

主成分独立性解析と混合カーネルRVMに基づく複雑なプロセス区間予測手法の研究と応用【JST・京大機械翻訳】

Research and application of interval prediction method for complex processes based on principal component independent analysis and mixed kernel RVM

著者 (2件)： Xu Yuan (北京化工大学信息科学与技術学院,北京,100029) ,  Zhang Mingqing (北京化工大学信息科学与技術学院,北京,100029)
資料名： Huagong Xuebao  (Huagong Xuebao)
巻： 68  号： 3  ページ： 925-931  発行年： 2017年 
JST資料番号： E0215B  ISSN： 0438-1157  CODEN： HUKHAI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 近年、化学プロセスが複雑になるにつれ、プロセス監視とキー変数予測に対してより高い要求が出ている。伝統的な意味での点予測は化学プロセスの実際の要求を満たすことができず、しかも点予測はプロセス上の不確定性問題を記述できないため、予測変数の傾向をうまく把握できない。これに基づき、主成分独立性分析(principal component independent analysis、PCIA)と混合核相関ベクトルマシン(RVM)に基づく区間予測方法を提案した。まず第一に,カーネル主成分分析(KPCA)と独立成分分析(ICA)を結合することによって,複雑なプロセスのオリジナルの変数に関する主成分抽出と独立性解析を行い,独立した主成分を形成した。第二に,Gaussカーネル関数と多項式カーネル関数を結合することにより,混合カーネルを形成し,RVMと結合して,独立した主成分を回帰モデル化し,T分布を用いて予測値を推定した。次に,区間評価関数を構築し,区間推定の結果を分析し,予測区間の被覆率(PICP)と予測区間幅(NMPIW)を分析した後,累積偏差(AD)を導入して区間評価の合理性を向上した。最後に、提案した方法をTEシミュレーション過程に応用し、区間予測分析を行い、シミュレーション結果により、提案した区間予測方法は実際の生産プロセスに対して高い予測精度と区間推定品質を持ち、有効にキー変数の傾向を予測できることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 不確実性 ,  *予測技法 ,  評価関数 ,  独立成分分析 ,  品質 ,  多項式 ,  シミュレーション ,  *予測 ,  化学プロセス ,  回帰モデル
準シソーラス用語： 予測精度 ,  区間推定 ,  Kernel関数 ,  カーネル主成分分析 ,  プロセス監視 , 【Automatic Indexing@JST】

著者キーワード (5件)： kernelprincipal component analysis ,  independent component analysis ,  relevance vector machine ,  prediction model ,  interval evaluation

分類 (1件)： 化学プロセスの測定,監視,計装  (XC02030Y)

タイトルに関連する用語 (6件)： 解析 ,  カーネル ,  プロセス ,  予測手法 ,  研究 ,  応用