文献类型：期刊文献

中文题名：一种基于D-S和ARIMA的多模型软测量方法

英文题名：A multi-model soft sensing method based on D-S and ARIMA model

作者：王振雷[1];唐苦[1];王昕[2]

机构：[1]华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海200237;[2]上海交通大学电工与电子技术中心,上海200240

年份：2014

卷号：29

期号：7

起止页码：1160

中文期刊名：控制与决策

外文期刊名：Control and Decision

收录：CSTPCD;;EI(收录号：20143118011929);Scopus;北大核心:【北大核心2011】；CSCD:【CSCD2013_2014】；

基金：国家自然科学基金重点基金项目(U1162202);国家自然科学基金项目(61222303;61203157);十二五国家科技支撑计划项目(2012BAF05B00);上海市重点学科建设项目(B504);中央高校基本科研业务费专项资金项目;流程工业综合自动化国家重点实验室开放课题基金项目

语种：中文

中文关键词：证据理论合成规则;差分自回归滑动平均模型;数据融合;多模型;软测量

外文关键词：Dempster-Shafer rule; difference autoregressive moving average; data fuse; multi-model; soft sensor

摘要：针对传统软测量方法存在的预测性能差、融合能力低等缺点,提出一种基于证据理论(D-S)合成规则和差分自回归滑动平均(ARIMA)模型的多模型软测量方法.首先利用自适应模糊核聚类方法和最小二乘支持向量机建立多个子模型;然后利用D-S合成规则构造的概率分配函数作为权值因子,对子模型输出进行融合以得到多模型的输出;最后结合ARIMA模型对静态多模型输出进行动态校正.仿真研究与工业应用的结果表明,所提出的方法具有良好的预测性能和融合能力.
There are some disadvantages in the traditional model algorithm for the soft sensor, such as low predictive accuracy and poor fusion ability. Therefore, a multi-model soft sensor algorithm is proposed based on the D-S rule and difference autoregressive moving average（ARLMA） model. Firstly, the adaptive fuzzy kernel clustering method（AFKCM） and least squares support vector machine（LS-SVM） are used to establish multiple sub-models. Then the output of the soft sensor is obtained through the fusion of the sub-models based on the weight factor calculated by D-S rules. The ARIMA model is used to realize the dynamic correction to the static multi-model output. Simulation results and industry application indicate that, comparing with the traditional soft sensor, the proposed method has better predictive performance and fusion ability.