典型文献
基于k-近邻互信息的前向式变量选择方法及在水质参数软测量中的应用
文献摘要：
软测量技术通过构造易测量的辅助变量与难测量的主导变量间的数学模型,实现对难测变量的实时预测.为有效分析辅助变量间的相关性和冗余性并实现变量精选,本文提出了一种基于k-近邻互信息的前向式变量选择方法.该方法以变量前向累加互信息值最大化为准则选择相关变量,同时计算每次累加变量与已选择变量子集间的互信息值来判断所累加变量是否为冗余变量,通过设定冗余互信息阈值,实现冗余变量的剔除,得到最优辅助输入变量子集.基于数值案例仿真结果验证了本文所提变量选择方法的可行性与有效性,在准确选取辅助变量的同时降低了算法复杂度.最后,该方法成功应用于污水处理过程中出水生化需氧量(biochemical oxygen demand,BOD)预测模型的输入变量选择上,利用精选出的辅助变量有效提高了模型预测精度.
文献关键词：
软测量;k-近邻互信息;前向式变量选择;相关性;冗余性
中图分类号：
作者姓名：
王威;阳春华;韩洁;李文婷;李勇刚
作者机构：
中南大学自动化学院,长沙410083
文献出处：
引用格式：
[1]王威;阳春华;韩洁;李文婷;李勇刚-.基于k-近邻互信息的前向式变量选择方法及在水质参数软测量中的应用)[J].系统工程理论与实践,2022(01):253-261
A类：
前向式变量选择,辅助输入
B类：
近邻互信息,选择方法,水质参数,测量中的应用,软测量技术,辅助变量,难测,主导变量,实时预测,有效分析,冗余性,精选,累加,信息值,时计,子集,所累,信息阈值,算法复杂度,成功应用,污水处理过程,生化需氧量,biochemical,oxygen,demand,BOD,输入变量选择
AB值：
0.307373
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
