基于Bagging半监督深度森林回归的二噁英排放浓度软测量

作者：徐雯; 汤健^*; 夏恒; 乔俊飞

来源：仪器仪表学报, 2022, 43(06): 251-259.

DOI：10.19650/j.cnki.cjsi.J2209392

• 城市固废焚烧
• 二噁英软测量
• Bagging半监督
• 伪标记样本
• 随机森林
• 深度森林回归

城市固废焚烧(MSWI)过程产生的副产品之一是被称为“世纪之毒”的二噁英(DXN),受限于其排放浓度检测技术难度以及时间与经济成本等因素，难以获得足量的有标记样本用于构建DXN排放浓度软测量模型。为有效利用现场控制系统采集的大量无标记样本，同时解决传统浅层学习模型泛化性能较差的问题，提出了基于Bagging半监督深度森林回归(DFR)的DXN排放浓度软测量方法。首先，基于Bagging机制以重采样原始标记数据集的方式获得多个训练子集，并构建具有差异性的多个随机森林(RF)模型；接着，将RF模型迭代更新、近邻集合选择和性能评估策略相结合用于获得高置信度伪标记样本；最后，基于伪标记和原始标记样本集构建DFR模型。采用北京某MSWI电厂的实际DXN检测数据验证了所提方法的有效性，结果表明，该方法的预测稳定性较好，其训练、验证和测试集的均方根误差分别为0.015 50、0.020 23和0.019 73。

• 单位
  北京工业大学