基于变量选择与组合协方差的GPR建模方法及其应用

作者：孙顺远; 刘康康^*

来源：控制工程, 2021, 28(12): 2336-2342.

DOI：10.14107/j.cnki.kzgc.20200301

• 变量选择
• 随机森林
• 组合协方差
• 高斯过程回归
• 污水处理

针对工业污水处理过程的复杂性和明显的非线性特征,关键的水质指标生化需氧量往往无法实时在线监测,提出了组合协方差的高斯过程回归(combinedcovariance Gaussian process regression, CGPR)建模方法来建立生化需氧量预测模型,捕捉污水数据中主导变量与辅助变量的线性和非线性关系。考虑污水处理过程中各个辅助变量之间的非线性和相关性,在模型建立之前采用随机森林(random forest, RF)算法给出辅助变量重要性评分,重要性评分高的变量作为CGPR模型的输入来提高模型的预测精度。最后,利用污水处理过程数据进行仿真研究。仿真结果表明,所提的RF-CGPR方法能够达到较好的预测效果,其中结合了线性协方差和Matern协方差的模型具有较高的预测精度。

• 单位
  江南大学