基于融合相关性的协同分摊噪声软测量建模
河南省科学院应用物理研究所有限公司 西北师范大学计算机科学与工程学院 河南建筑职业技术学院 河南国健医疗设备有限公司
2025-12-09
数据驱动建模 软测量 融合相关性 协同分摊噪声 HCAN-CNN
基于数据驱动的软测量建模方法在流程工业中有着广泛的应用。流程工业中，辅助数据常常会受到异构、杂糅的噪声的污染，且工业数据中线性相关与非线性相关共存，而噪声问题和不合理的相关关系表达均会严重影响软测量模型的预测结果。在协同分摊噪声算法的基础上提出一种基于融合相关性的协同分摊噪声算法进行软测量建模。首先，采用融合了关注线性相关性的Pearson系数和关注非线性相关性的Spearman系数的融合相关性系数优化协同分摊噪声算法，使协同分摊噪声算法中数据可信度计算更合理，更符合工业数据中线性相关与非线性相关共存的情况。然后，结合卷积神经网络（convolutional neural networks, CNN）搭建软测量模型。在脱丁烷塔数据集上进行多降噪方法、多模型和多回归方法的交叉组合实验，结果表明，该优化后的降噪算法较基础的协同分摊噪声算法、小波变换降噪、降噪自编码器有着较强的降噪能力；所搭建的软测量模型有着较优的预测精度及较小的预测误差，其中决定系数（r-square, R<sup>2</sup>）指标和均方误差（mean squared error, MSE）分别为0.971 6和0.001 1。
