基于ICA变量分组的集成软测量方法研究

提出了一种基于独立主成分分析（independent component analysis，ICA）变量分组和集成学习的软测量建模方法.该方法首先运用ICA对输入过程变量进行分组，建立多个变量组子空间.然后在各变量组子空间内提取子样本集，降低变量和变量组之间的耦合性，并基于核偏最小二乘法（KPLS）建立预测子模型.最后，采用贝叶斯方法对子模型的输出进行集成，给出最终预测结果.运用该方法对工业橡胶密炼过程的数据进行了预测，并与其它软测量方法的结果进行比较分析，实验结果表明，本文提出的方法具有更好的预测性能