一种基于改进最小绝对Lp惩罚解与门控循环单元的软测量算法

摘要

针对现代流程工业过程变量存在的多变量、非线性、时滞及测量异常值等问题，提出一种基于门控循环单元(gate recurrent unit, GRU)的鲁棒软测量算法。首先，利用历史数据训练一个初始GRU模型。其次，提出一种改进的最小绝对Lp惩罚解(improved least absolute Lp penalized solution, ILAPPS)的算法，将中值绝对偏差融入截断平均绝对误差损失，使其对异常值有更强的抵抗力，并将基于随机森林的置换重要性排序设计自适应算子嵌入Lp正则化项，提高输入变量选择的准确度。再次，将ILAPPS算法嵌入GRU输入层和循环层，以实现GRU的稀疏化。最后，将所提出的算法应用于人工数据集和实际工业铜矿浮选过程，并与其它先进算法进行性能比较，实验结果表明所提算法具有较高的预测精度和鲁棒性。

关键词

门控循环单元 / 鲁棒估计 / 稀疏优化 / 软测量 / 截断损失