一种基于深度随机偏最小二乘的复杂工业过程软测量建模方法

本发明涉及一种基于深度随机偏最小二乘的复杂工业过程软测量建模方法，其步骤为：本发明上述软测量方法，采集工业过程数据并预处理后，获取训练数据集和验证数据集；通过随机傅里叶映射函数将训练数据集中的每个样本进行非线性映射获得随机傅里叶特征矩阵H(1)，对随机傅里叶特征矩阵执行偏最小二乘(PLS)算法获得非线性潜特征矩阵T(1)及第一层随机PLS模型参数，计算验证数据集在当前随机PLS模型上的验证误差指标e(1)；用非线性潜特征矩阵T(1)代替H(1)，重复执行随机傅里叶非线性映射及PLS算法，直到第L+1层验证误差指标大于第L层验证误差指标，即可确定深度随机PLS模型结构深度为L层并获得第L层模型参数；将采集到的新测试样本数据作为软测量模型的输入数据，计算得到相应的输出预测，分析深度随机偏最小二乘软测量模型的预测效果。本发明上述软测量方法利用随机傅里叶映射技术降低计算复杂度，随机PLS模型搭建为深度结构可以提取更复杂的非线性特征，提高了软传感器预测性能，并可以通过验证误差最小化自适应确定模型结构。