基于即时学习的近红外自适应建模
发布时间：2021-01-30 16:55
近红外光谱（Near Infrared Spectroscopy,NIRS）分析技术因其无损、高效、快速、操作简单和低成本等特点,在实时检测中有巨大潜力,成为一种新兴的在线过程分析工具。然而在实际生产过程中,最初建立的近红外模型常常会受到工艺操作条件、仪器性能、生产环境、加工原料或催化剂变化的影响,从而降低对目标物性浓度的预测精度,不能满足生产需求。因此需要不断的对模型更新维护,来提高近红外模型的自适应能力。本文针对现有近红外建模稳定性差、使用寿命短的问题,采用通过不断建立局部模型来跟踪过程特性变化的即时学习（Just-in-time Learning,JITL）方法,提高近红外模型的自适应性。然而近红外光谱数据存在维数高、包含冗余噪声以及不相关波长变量的问题,制约了模型的预测性能。因此本文针对近红外在线建模的不足,结合JIT学习的研究动态与近红外光谱数据特征,研究了基于JIT学习的近红外自适应建模并加以改进。具体研究内容如下:（1）基于时空相似度的JIT-Lasso自适应建模。针对工业过程的时变、非线性以及光谱波长变量维数高、信息量大等特性,首先选取Lasso（Least Absol...
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景及意义
1.2 基于即时学习的近红外光谱建模技术研究
1.2.1 近红外光谱建模技术的发展和应用
1.2.2 即时学习的研究现状
1.2.3 基于即时学习的近红外建模研究现状
1.3 现有研究不足
1.4 本文主要研究内容和章节安排
第二章 近红外光谱分析技术
2.1 近红外光谱检测原理
2.2 近红外数据采集与预处理
2.2.1 数据采集
2.2.2 光谱预处理
2.3 近红外定量分析基本流程
2.4 定量分析评价指标
2.5 本章小结
第三章 基于时空相似度的JIT-Lasso自适应建模
3.1 引言
3.2 即时学习框架
3.3 基于时空相似度的JIT-Lasso建模
3.3.1 Lasso算法
3.3.2 JIT-Lasso自适应建模
3.3.3 时空相似度
3.4 实例验证与结果分析
3.4.1 近红外光谱数据
3.4.2 仿真结果与分析
3.5 本章小结
第四章 基于近红外光谱局部与整体特征的自适应建模
4.1 引言
4.2 相似性度量准则
4.2.1 基于距离的相似性度量准则
4.2.2 基于相关性的相似性度量准则
4.3 基于近红外光谱特征的JIT建模
4.3.1 光谱区分方法
4.3.2 基于局部-整体（Local-global）光谱特征的相似性度量
4.3.3 基于光谱特征的JIT-Lasso建模
4.4 实例验证与结果分析
4.5 本章小结
第五章 基于数据库更新指标的近红外自适应建模
5.1 引言
5.2 数据库管理存在的问题
5.3 基于数据库更新指标的JIT建模
5.3.1 数据库更新指标（DUI）
5.3.2 基于DUI的 JIT建模框架
5.4 实例验证与结果分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
附录 :作者在攻读硕士学位期间发表的论文
【参考文献】：
期刊论文
[1]基于Lasso-PCA的原油脱盐脱水过程故障检测[J]. 郑年年,高爽,栾小丽,刘飞. 高校化学工程学报. 2019(06)
[2]基于BGMM的即时学习软测量建模方法[J]. 祁成,熊伟丽. 系统仿真学报. 2019(08)
[3]基于互信息熵-近红外光谱的过程模式故障检测[J]. 高爽,栾小丽,刘飞. 光谱学与光谱分析. 2019(06)
[4]基于改进即时学习算法的球磨机料位软测量[J]. 贾松达,丁洁,阎高伟. 计算机工程与设计. 2018(04)
[5]近红外聚乙烯醇荧光高分子材料的制备及性能[J]. 孙琪,王丽秋,刘洋,郭晨晓,王鹏君,刘学龙,张晓博,郑立辉,刘丽萍. 应用化学. 2018(01)
[6]近红外光谱技术在食品溯源中的应用进展[J]. 宋雪健,钱丽丽,张东杰,王欣卉,于果,周义. 食品研究与开发. 2017(12)
[7]近红外全局隐含温度补偿模型的预测精度分析[J]. 史婷,栾小丽,刘飞. 光谱学与光谱分析. 2017(04)
[8]近红外光谱法在黄酒发酵过程参数检测中的应用[J]. 张严,赵忠盖,刘飞. 食品工业科技. 2015(17)
[9]近五年我国近红外光谱分析技术研究与应用进展[J]. 褚小立,陆婉珍. 光谱学与光谱分析. 2014(10)
[10]近红外光谱分析技术及其在线应用进展[J]. 刘洋,张洁明,李玉梅,陈勇. 轻工科技. 2014(06)
博士论文
[1]基于局部学习的自适应软测量建模方法研究[D]. 邵伟明.中国石油大学(华东) 2016
[2]近红外光谱新型建模方法与应用基础研究[D]. 张红光.浙江大学 2015
[3]近红外光谱分析模型优化和模型转移算法研究[D]. 郑开逸.华东理工大学 2013
[4]相思树材性近红外预测模型的建立及优化[D]. 姚胜.北京林业大学 2010
硕士论文
[1]基于Lasso的高维数据线性回归模型统计推断方法比较[D]. 赵俊琴.山西医科大学 2015
[2]基于近红外光谱技术的生物柴油转化率快速测定[D]. 徐龙.浙江大学 2014
本文编号：3009254
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景及意义
1.2 基于即时学习的近红外光谱建模技术研究
1.2.1 近红外光谱建模技术的发展和应用
1.2.2 即时学习的研究现状
1.2.3 基于即时学习的近红外建模研究现状
1.3 现有研究不足
1.4 本文主要研究内容和章节安排
第二章 近红外光谱分析技术
2.1 近红外光谱检测原理
2.2 近红外数据采集与预处理
2.2.1 数据采集
2.2.2 光谱预处理
2.3 近红外定量分析基本流程
2.4 定量分析评价指标
2.5 本章小结
第三章 基于时空相似度的JIT-Lasso自适应建模
3.1 引言
3.2 即时学习框架
3.3 基于时空相似度的JIT-Lasso建模
3.3.1 Lasso算法
3.3.2 JIT-Lasso自适应建模
3.3.3 时空相似度
3.4 实例验证与结果分析
3.4.1 近红外光谱数据
3.4.2 仿真结果与分析
3.5 本章小结
第四章 基于近红外光谱局部与整体特征的自适应建模
4.1 引言
4.2 相似性度量准则
4.2.1 基于距离的相似性度量准则
4.2.2 基于相关性的相似性度量准则
4.3 基于近红外光谱特征的JIT建模
4.3.1 光谱区分方法
4.3.2 基于局部-整体（Local-global）光谱特征的相似性度量
4.3.3 基于光谱特征的JIT-Lasso建模
4.4 实例验证与结果分析
4.5 本章小结
第五章 基于数据库更新指标的近红外自适应建模
5.1 引言
5.2 数据库管理存在的问题
5.3 基于数据库更新指标的JIT建模
5.3.1 数据库更新指标（DUI）
5.3.2 基于DUI的 JIT建模框架
5.4 实例验证与结果分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
附录 :作者在攻读硕士学位期间发表的论文
【参考文献】：
期刊论文
[1]基于Lasso-PCA的原油脱盐脱水过程故障检测[J]. 郑年年,高爽,栾小丽,刘飞. 高校化学工程学报. 2019(06)
[2]基于BGMM的即时学习软测量建模方法[J]. 祁成,熊伟丽. 系统仿真学报. 2019(08)
[3]基于互信息熵-近红外光谱的过程模式故障检测[J]. 高爽,栾小丽,刘飞. 光谱学与光谱分析. 2019(06)
[4]基于改进即时学习算法的球磨机料位软测量[J]. 贾松达,丁洁,阎高伟. 计算机工程与设计. 2018(04)
[5]近红外聚乙烯醇荧光高分子材料的制备及性能[J]. 孙琪,王丽秋,刘洋,郭晨晓,王鹏君,刘学龙,张晓博,郑立辉,刘丽萍. 应用化学. 2018(01)
[6]近红外光谱技术在食品溯源中的应用进展[J]. 宋雪健,钱丽丽,张东杰,王欣卉,于果,周义. 食品研究与开发. 2017(12)
[7]近红外全局隐含温度补偿模型的预测精度分析[J]. 史婷,栾小丽,刘飞. 光谱学与光谱分析. 2017(04)
[8]近红外光谱法在黄酒发酵过程参数检测中的应用[J]. 张严,赵忠盖,刘飞. 食品工业科技. 2015(17)
[9]近五年我国近红外光谱分析技术研究与应用进展[J]. 褚小立,陆婉珍. 光谱学与光谱分析. 2014(10)
[10]近红外光谱分析技术及其在线应用进展[J]. 刘洋,张洁明,李玉梅,陈勇. 轻工科技. 2014(06)
博士论文
[1]基于局部学习的自适应软测量建模方法研究[D]. 邵伟明.中国石油大学(华东) 2016
[2]近红外光谱新型建模方法与应用基础研究[D]. 张红光.浙江大学 2015
[3]近红外光谱分析模型优化和模型转移算法研究[D]. 郑开逸.华东理工大学 2013
[4]相思树材性近红外预测模型的建立及优化[D]. 姚胜.北京林业大学 2010
硕士论文
[1]基于Lasso的高维数据线性回归模型统计推断方法比较[D]. 赵俊琴.山西医科大学 2015
[2]基于近红外光谱技术的生物柴油转化率快速测定[D]. 徐龙.浙江大学 2014
本文编号：3009254
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3009254.html
