关键词：甲醇制烯烃;产品质量预测;变量选择;跳跃连接
摘 要：在化工生产过程中,由于不同变量的采样频率不同,产生了大量无标签数据,难以有效利用,造成了数据浪费。此外,分散式控制系统（DCS）在数据采集过程中,受环境干扰和测量仪器老化等因素的影响,会产生大量噪声数据,增加了软测量建模的难度,为了解决这些问题,获知关键产品的质量,提高企业的效率,该文提出了一种基于梯形网络的半监督建模及化工产品组分软测量方法,在利用有标签数据的同时,充分利用了大量的无标签数据提高软测量模型的预测精度和泛化能力,针对数据中存在的噪声,梯形网络在编码器中逐层加入噪声,然后利用解码器和跳跃连接逐层协同去噪,重建无噪声的特征表示和输入,以达到去除噪声的目的。将该方法应用于甲醇制烯烃过程对产品乙烯组分进行软测量, R²达到0.899,预测效果比常见的有监督学习方法和半监督学习方法更准确。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取