基于非线性偏鲁棒M-回归的萃余液pH值软测量

？提出了一种径向基函数网络(Radialbasisfunctionnetworks,RBFNs)与偏鲁棒M-回归(PartialrobustM-regression,PRM)相结合的非线性PRM(NonlinearPRM,NLPRM)建模方法,用以解决鲁棒非线性系统建模问题.该方法首先通过RBF变换获得扩展的输入数据矩阵;接下来PRM算法通过反复迭代计算,自适应地为变换后的数据分配不同的连续权值,用以克服离群点对模型的影响.本文通过仿真实验,验证了方法的有效性;并将其应用于湿法冶金萃取过程萃余液pH值软测量建模问题,获得了相比于偏最小二乘法(Partialleastsquares,PLS)、PRM以及RBF-PLS方法更高的预测精度.