基于离散PSO的软测量辅助变量选择算法

工业对象的复杂化带来了可测变量的增多，这些变量集合中大量冗余的信息会降低软测量建模的精度。针对这个问题，提出了基于离散PSO的软测量辅劝变量选择算法。算法将传统PSO连续的优化过程通过对粒子位置的隶属度计算，将其离散成0或1.0、I分别表示某变量未被选中和被选中，每个粒子就代表一种变量选取情况。将PLS回归用于适应度函数的计算，有利于克服多元回归中多重共线问题。最后，将该算法用在了丙烯精馏塔塔顶丙烯浓度的软测量实验中，实验结果表明该方法有效，并提高了模型的预测精度。