论文部分内容阅读
针对软测量技术中辅助变量间可能存在的复杂的内在联系给辅助变量选择及提高模型精度等方面带来的诸多不利因素,提出了一种基于负熵最大的快速独立分量分析(Fast-ICA)方法,可以有效地消除辅助变量间的信息冗余现象,得到相互独立的分量.再通过互信息分析各个分量和主导变量间的内在联系,选择和主导变量联系较大的分量用于模型训练,并将其应用到苯酚(BF)浓度的软测量中.仿真结果表明:从经过ICA分解的独立分量中提取出样本特征并用于支持向量机模型(SVM)的训练,可以有效地减少冗余信息的干扰,提高软测量模型的估计精度和