基于辅助变量KNN分析的软测量建模方法

提出一种基于辅助变量最近邻(KNN)分析的软测量建模方法,该方法将KNN算法应用于辅助变量分类,根据分类结果,应用核主成分分析(KPCA)和支持向量回归机(SVR)相结合进行软测量建模。KNN分析独立于后继回归模型,却又直接影响模型结构,KPCA作为中间层,在KNN分类结果指导下提取不同类别包含辅助变量高阶信息的特征主元,然后使用SVR建立特征主元和主导变量之间的回归模型。用该方法建立粗汽油干点软测量模型,结果表明KNN-KPCA-SVR(KKS)模型的预测精度和泛化能力优于线性PLS、RBF核函数SVR和KPCA-SVM模型。