基于数据驱动的TrAdaBoost-WGSSA-ELM算法PVC聚合过程转化率软测量

摘要

针对PVC聚合过程转化率难以实时获取的问题，提出了一种基于数据驱动的迁移学习、改进的麻雀搜索算法和极限学习机建立的软测量模型(TrAdaBoost-WGSSA-ELM)来预测氯乙烯单体的转化率.首先，针对采集的一个反应釜原数据量少的问题，引用辅助数据，利用TrAdaBoost迁移学习算法扩充训练集；然后，通过Tent映射、自适应权重和变异的方式改进麻雀搜索算法，使用改进后的算法优化ELM参数，建立软测量模型.最后，将提出的TrAdaBoost-WGSSA-ELM模型与其他3种模型进行仿真实验对比，结果验证了所提模型有更高的预测精度.

关键词

PVC聚合过程 / 软测量 / TrAdaBoost迁移学习 / 麻雀搜索算法 / 极限学习机