摘要：针对浆纱过程产生的实时动态数据,提出一种基于增量学习的在线软测量建模方法,实现对上浆率的预测.将增量学习的思想引入软测量算法,去除冗余数据,提高算法效率;使用改进式山峰算法确定数据中心,通过自适应方法确定去噪半径,完成对噪声数据的筛选;选取软测量算法进行建模.实验所用数据采集自真实浆纱过程.仿真结果表明：该算法预测精度较高,具有一定的抗噪性能,均方根误差最小可达0.2633,最大绝对误差最小为0.6331,适用于多种智能算法的在线更新.
分类：期刊> 自然科学与工程技术> 工程科技I> 综合科技A类综合
收录：北大期刊(中国人文社会科学期刊) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 哥白尼索引(波兰) > 剑桥科学文摘 > 国家图书馆馆藏 > 上海图书馆馆藏 > 文摘与引文数据库 > 文摘杂志
关键词：上浆率 动态数据 增量学习 软测量 山峰算法 在线检测
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
