基于核的多元統(tǒng)計(jì)回歸方法研究.pdf

1、為克服傳統(tǒng)線性多元統(tǒng)計(jì)回歸方法對(duì)復(fù)雜過(guò)程工業(yè)非線性數(shù)據(jù)處理能力的不足，本文提出了基于核的偏最小二乘回歸（KPLSR）和基于核的獨(dú)立元回歸（KICR）方法，充分利用核函數(shù)有效處理高維數(shù)據(jù)的優(yōu)勢(shì)應(yīng)對(duì)實(shí)際過(guò)程工業(yè)中的非線性問(wèn)題。
　　本文在 PLSR和 ICR等線性多元統(tǒng)計(jì)回歸方法的基礎(chǔ)之上，引入核函數(shù)將這些線性多元統(tǒng)計(jì)回歸方法進(jìn)行核化，導(dǎo)出了KPLSR和KICR算法，并給出了具體的實(shí)現(xiàn)過(guò)程。在KPLSR算法的實(shí)現(xiàn)過(guò)程中，首先利用核函數(shù)

2、方法將訓(xùn)練樣本數(shù)據(jù)從非線性的低維度空間映射到線性的高維度特征空間，在高維度特征空間利用傳統(tǒng)的PLSR方法進(jìn)行預(yù)測(cè)建模，然后利用遺傳算法對(duì)核參數(shù) C值進(jìn)行優(yōu)化；最后將最優(yōu)化的C值和測(cè)試樣本輸入 KPLSR算法中得出預(yù)測(cè)結(jié)果。在KICR算法的實(shí)現(xiàn)過(guò)程中，首先將原始非線性數(shù)據(jù)通過(guò)核方法映射到高維特征空間，在高緯度特征空間進(jìn)行主元分析（PCA）；然后利用Fast-ICA算法提取核獨(dú)立元KIC，分別以KIC、實(shí)值矩陣為自變量和因變量進(jìn)行訓(xùn)練，求取

3、多元線性回歸（MLR）系數(shù)建立預(yù)測(cè)模型；最后采用枚舉法對(duì)核參數(shù)C進(jìn)行優(yōu)化，并將優(yōu)化后的C值和測(cè)試樣本輸入KICR算法中得出預(yù)測(cè)結(jié)果。
　　本文分別建立了基于KPLSR和KICR的轉(zhuǎn)爐煉鋼終點(diǎn)溫度預(yù)測(cè)模型。將二者的預(yù)測(cè)結(jié)果分別與PCR、PLSR和ICR等傳統(tǒng)線性回歸預(yù)測(cè)模型進(jìn)行對(duì)比，驗(yàn)證二者在實(shí)際應(yīng)用中的有效性。之后將KPLSR和KICR預(yù)測(cè)模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比，驗(yàn)證KPLSR和KICR分別是從不同的角度對(duì)數(shù)據(jù)進(jìn)行處理的結(jié)論的正確