掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
偏最小二乘方法及其在工業過程數據處理中的應用 版權信息
- ISBN：9787122358257
- 條形碼：9787122358257 ; 978-7-122-35825-7
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
偏最小二乘方法及其在工業過程數據處理中的應用 本書特色
《偏*小二乘方法及其在工業過程數據處理中的應用》的作者多年來一直從事工業過程數據的統計建模、過程監測與診斷、關鍵因變量的預測與回歸，他在借鑒國內外有關*研究成果和自身完成的研究實例基礎上，博采眾家之長，寫成此書。全書結合具體的工業過程實例，對基于PLS的過程數據線性回歸、統計建模、過程監測和質量預測等進行了比較系統的介紹，之后深入探討了非線性PLS方法理論與應用中的一些關鍵問題，如核函數的選擇、雙核映射等。本書可作為自動控制專業及數據科學與大數據技術專業研究生的學習參考書，同時對從事自動化和數據科學方面的研究、設計、開發和應用的廣大工程師、技術人員也具有一定的參考價值。
偏最小二乘方法及其在工業過程數據處理中的應用 內容簡介
結合具體工業過程實例，對基于PLS的過程數據線性回歸、統計建模、過程檢測和質量預測進行了系統介紹
偏最小二乘方法及其在工業過程數據處理中的應用 目錄
第1章緒論 / 001
1.1引言 / 001
1.2研究背景與意義 / 002
1.3偏*小二乘方法描述 / 004
1.4偏*小二乘方法的研究現狀 / 005
1.4.1基于PLS的線性回歸研究現狀 / 005
1.4.2基于PLS的統計建模、故障監測研究現狀 / 005
1.4.3基于PLS的質量變量預測研究現狀 / 006
1.4.4非線性PLS的研究與發展 / 007
1.5全書概況 / 008
參考文獻 / 010
第2章基于PLS的工業過程線性回歸分析 / 013
2.1引言 / 013
2.2PLS原理基石：MLR與PCR / 015
2.2.1多元線性回歸MLR / 015
2.2.2主成分回歸PCR / 017
2.3單變量偏*小二乘回歸 / 019
2.3.1算法推導 / 019
2.3.2基本性質 / 020
2.3.3交叉有效性 / 021
2.4多變量偏*小二乘回歸 / 021
2.4.1算法推導 / 021
2.4.2基本性質 / 022
2.4.3交叉有效性 / 023
2.4.4工業過程中PLS質量預測模型 / 024
2.5PLS與PCR比較 / 024
2.6典型間歇過程——青霉素發酵過程案例研究 / 025
2.6.1間歇過程及其數據預處理 / 025
2.6.2青霉素發酵仿真平臺介紹 / 027
2.6.3基于MPLS的青霉素發酵過程質量預測 / 029
2.7結束語 / 030
參考文獻 / 030
第3章基于PLS的工業過程統計建模與故障監測 / 032
3.1引言 / 032
3.2工業過程數據分析的問題描述 / 032
3.3基于PLS的工業過程統計建模 / 034
3.3.1偏*小二乘算法的基本原理 / 034
3.3.2基于PLS模型的方法 / 035
3.3.3基于PLS 擴展模型的方法 / 035
3.4基于PLS的工業過程故障監測 / 038
3.4.1PLS主元個數確定 / 038
3.4.2基于PLS多變量統計過程檢測圖 / 038
3.4.3基于PLS過程監測步驟 / 040
3.5PLS用于過程監測時的幾何特性分析 / 040
3.6基于PCA和PLS的過程監測算法區別與聯系 / 042
3.6.1基于PLS方法統計建模與PCA的比較 / 042
3.6.2PLS過程監測與PCA的比較 / 043
3.7案例研究 / 044
3.7.1數值仿真研究 / 044
3.7.2TE過程案例研究 / 046
3.7.3發酵過程監測案例研究 / 048
3.8結束語 / 055
參考文獻 / 056
第4章基于PLS的工業過程質量預測建模 / 058
4.1引言 / 058
4.2質量預測問題描述 / 061
4.3基于PLS的質量預測算法 / 063
4.3.1基于PLS的質量預測算法簡介 / 064
4.3.2過程變量與質量變量的相關關系分析 / 065
4.3.3過程變量在解釋質量變量方面的作用 / 066
4.3.4對成分的解釋 / 067
4.3.5正交信號修正方法 / 068
4.3.6質量預測算法步驟 / 070
4.3.7基于多階段劃分的質量預測 / 071
4.4工業過程案例研究 / 074
4.4.1Pensim發酵平臺仿真實驗 / 074
4.4.2某制藥廠大腸桿菌發酵過程現場實驗 / 079
4.5結束語 / 083
參考文獻 / 083
第5章基于核映射的非線性偏*小二乘方法 / 085
5.1引言 / 085
5.2傳統KPLS算法描述 / 086
5.2.1核映射過程 / 086
5.2.2KPLS算法 / 087
5.2.3核函數選擇 / 089
5.3一種新的基于小波核的KPLS算法 / 089
5.3.1多維張量積小波核函數的推導及有效性證明 / 090
5.3.2數值例證明Morlet小波核函數有效性 / 091
5.3.3基于Morlet小波核的KPLS在非線性混沌系統擬合中的驗證 / 094
5.4基于KPLS的工業過程故障監測與質量預測 / 103
5.4.1監控統計量的確定 / 104
5.4.2基于KPLS的過程監測及質量預測步驟 / 104
5.5工業案例應用 / 107
5.5.1大腸桿菌發酵過程 / 107
5.5.2基于KPLS對發酵過程的質量預測 / 107
5.5.3基于KPLS對發酵過程的故障監測 / 109
5.6結束語 / 110
參考文獻 / 111
第6章基于約化雙核PLS的非線性過程質量預測 / 112
6.1引言 / 112
6.2PLS的雙核結構提出與討論 / 112
6.3約化雙核PLS算法 / 114
6.3.1核技巧的特征向量提取方法 / 114
6.3.2針對核方法的參數調節優化 / 116
6.3.3質量數據的投影及其特征提取 / 119
6.3.4高維核空間數據的逆向還原算法 / 121
6.4案例研究 / 125
6.4.1數值例Ⅰ / 125
6.4.2數值例Ⅱ / 127
6.4.3大腸桿菌實驗平臺 / 129
6.4.4分析與討論 / 130
6.5結束語 / 131
參考文獻 / 132
第7章基于JITL-PLS統計模型動態更新 / 134
7.1引言 / 134
7.2工業數據的動態JITL局部樣本選擇 / 136
7.2.1局部建模策略優勢 / 136
7.2.2即時學習(JITL)局部模型選取方法 / 137
7.2.3對JITL模型樣本容量閾值的討論 / 138
7.2.4動態JITL樣本選擇 / 139
7.3基于JITL-PLS的工業過程在線監測 / 142
7.3.1基于PLS回歸殘差的模型更新機制 / 142
7.3.2基于改進即時學習策略的工業過程在線監測 / 144
7.3.3回歸殘差更新機制實驗 / 145
7.3.4青霉素發酵過程仿真實驗 / 146
7.4基于JITL-PLS的工業過程質量預測 / 151
7.4.1一種新的預測效果度量指標：預測標準差 / 151
7.4.2算法總體流程 / 152
7.4.3青霉素實驗平臺實驗設計 / 153
7.4.4實驗結果分析 / 154
7.5結束語 / 158
參考文獻 / 159
第8章基于核熵PLS(KEPLS)的工業過程質量預測與控制 / 162
8.1引言 / 162
8.2核熵PLS算法原理 / 162
8.3基于KEPLS的工業過程質量監控與預警 / 164
8.3.1改進的特征采樣(IFS)算法 / 164
8.3.2基于IFS-KEPLS的過程監測以及質量預測步驟 / 167
8.3.3KEPLS算法和KPLS算法實驗結果比較分析 / 169
8.4基于KEPLS的工業過程質量控制 / 174
8.4.1標準向量核空間貢獻圖(SV-KCD)方法 / 174
8.4.2SV-KCD與KEPLS相結合的過程質量控制算法描述 / 175
8.5案例研究 / 178
8.5.1SV-KEPLS方法在大腸桿菌發酵過程中的應用 / 179
8.5.2質量預測仿真 / 183
8.5.3基于SV-KEPLS的質量控制的仿真 / 184
8.6結束語 / 185
參考文獻 / 185
1.1引言 / 001
1.2研究背景與意義 / 002
1.3偏*小二乘方法描述 / 004
1.4偏*小二乘方法的研究現狀 / 005
1.4.1基于PLS的線性回歸研究現狀 / 005
1.4.2基于PLS的統計建模、故障監測研究現狀 / 005
1.4.3基于PLS的質量變量預測研究現狀 / 006
1.4.4非線性PLS的研究與發展 / 007
1.5全書概況 / 008
參考文獻 / 010
第2章基于PLS的工業過程線性回歸分析 / 013
2.1引言 / 013
2.2PLS原理基石：MLR與PCR / 015
2.2.1多元線性回歸MLR / 015
2.2.2主成分回歸PCR / 017
2.3單變量偏*小二乘回歸 / 019
2.3.1算法推導 / 019
2.3.2基本性質 / 020
2.3.3交叉有效性 / 021
2.4多變量偏*小二乘回歸 / 021
2.4.1算法推導 / 021
2.4.2基本性質 / 022
2.4.3交叉有效性 / 023
2.4.4工業過程中PLS質量預測模型 / 024
2.5PLS與PCR比較 / 024
2.6典型間歇過程——青霉素發酵過程案例研究 / 025
2.6.1間歇過程及其數據預處理 / 025
2.6.2青霉素發酵仿真平臺介紹 / 027
2.6.3基于MPLS的青霉素發酵過程質量預測 / 029
2.7結束語 / 030
參考文獻 / 030
第3章基于PLS的工業過程統計建模與故障監測 / 032
3.1引言 / 032
3.2工業過程數據分析的問題描述 / 032
3.3基于PLS的工業過程統計建模 / 034
3.3.1偏*小二乘算法的基本原理 / 034
3.3.2基于PLS模型的方法 / 035
3.3.3基于PLS 擴展模型的方法 / 035
3.4基于PLS的工業過程故障監測 / 038
3.4.1PLS主元個數確定 / 038
3.4.2基于PLS多變量統計過程檢測圖 / 038
3.4.3基于PLS過程監測步驟 / 040
3.5PLS用于過程監測時的幾何特性分析 / 040
3.6基于PCA和PLS的過程監測算法區別與聯系 / 042
3.6.1基于PLS方法統計建模與PCA的比較 / 042
3.6.2PLS過程監測與PCA的比較 / 043
3.7案例研究 / 044
3.7.1數值仿真研究 / 044
3.7.2TE過程案例研究 / 046
3.7.3發酵過程監測案例研究 / 048
3.8結束語 / 055
參考文獻 / 056
第4章基于PLS的工業過程質量預測建模 / 058
4.1引言 / 058
4.2質量預測問題描述 / 061
4.3基于PLS的質量預測算法 / 063
4.3.1基于PLS的質量預測算法簡介 / 064
4.3.2過程變量與質量變量的相關關系分析 / 065
4.3.3過程變量在解釋質量變量方面的作用 / 066
4.3.4對成分的解釋 / 067
4.3.5正交信號修正方法 / 068
4.3.6質量預測算法步驟 / 070
4.3.7基于多階段劃分的質量預測 / 071
4.4工業過程案例研究 / 074
4.4.1Pensim發酵平臺仿真實驗 / 074
4.4.2某制藥廠大腸桿菌發酵過程現場實驗 / 079
4.5結束語 / 083
參考文獻 / 083
第5章基于核映射的非線性偏*小二乘方法 / 085
5.1引言 / 085
5.2傳統KPLS算法描述 / 086
5.2.1核映射過程 / 086
5.2.2KPLS算法 / 087
5.2.3核函數選擇 / 089
5.3一種新的基于小波核的KPLS算法 / 089
5.3.1多維張量積小波核函數的推導及有效性證明 / 090
5.3.2數值例證明Morlet小波核函數有效性 / 091
5.3.3基于Morlet小波核的KPLS在非線性混沌系統擬合中的驗證 / 094
5.4基于KPLS的工業過程故障監測與質量預測 / 103
5.4.1監控統計量的確定 / 104
5.4.2基于KPLS的過程監測及質量預測步驟 / 104
5.5工業案例應用 / 107
5.5.1大腸桿菌發酵過程 / 107
5.5.2基于KPLS對發酵過程的質量預測 / 107
5.5.3基于KPLS對發酵過程的故障監測 / 109
5.6結束語 / 110
參考文獻 / 111
第6章基于約化雙核PLS的非線性過程質量預測 / 112
6.1引言 / 112
6.2PLS的雙核結構提出與討論 / 112
6.3約化雙核PLS算法 / 114
6.3.1核技巧的特征向量提取方法 / 114
6.3.2針對核方法的參數調節優化 / 116
6.3.3質量數據的投影及其特征提取 / 119
6.3.4高維核空間數據的逆向還原算法 / 121
6.4案例研究 / 125
6.4.1數值例Ⅰ / 125
6.4.2數值例Ⅱ / 127
6.4.3大腸桿菌實驗平臺 / 129
6.4.4分析與討論 / 130
6.5結束語 / 131
參考文獻 / 132
第7章基于JITL-PLS統計模型動態更新 / 134
7.1引言 / 134
7.2工業數據的動態JITL局部樣本選擇 / 136
7.2.1局部建模策略優勢 / 136
7.2.2即時學習(JITL)局部模型選取方法 / 137
7.2.3對JITL模型樣本容量閾值的討論 / 138
7.2.4動態JITL樣本選擇 / 139
7.3基于JITL-PLS的工業過程在線監測 / 142
7.3.1基于PLS回歸殘差的模型更新機制 / 142
7.3.2基于改進即時學習策略的工業過程在線監測 / 144
7.3.3回歸殘差更新機制實驗 / 145
7.3.4青霉素發酵過程仿真實驗 / 146
7.4基于JITL-PLS的工業過程質量預測 / 151
7.4.1一種新的預測效果度量指標：預測標準差 / 151
7.4.2算法總體流程 / 152
7.4.3青霉素實驗平臺實驗設計 / 153
7.4.4實驗結果分析 / 154
7.5結束語 / 158
參考文獻 / 159
第8章基于核熵PLS(KEPLS)的工業過程質量預測與控制 / 162
8.1引言 / 162
8.2核熵PLS算法原理 / 162
8.3基于KEPLS的工業過程質量監控與預警 / 164
8.3.1改進的特征采樣(IFS)算法 / 164
8.3.2基于IFS-KEPLS的過程監測以及質量預測步驟 / 167
8.3.3KEPLS算法和KPLS算法實驗結果比較分析 / 169
8.4基于KEPLS的工業過程質量控制 / 174
8.4.1標準向量核空間貢獻圖(SV-KCD)方法 / 174
8.4.2SV-KCD與KEPLS相結合的過程質量控制算法描述 / 175
8.5案例研究 / 178
8.5.1SV-KEPLS方法在大腸桿菌發酵過程中的應用 / 179
8.5.2質量預測仿真 / 183
8.5.3基于SV-KEPLS的質量控制的仿真 / 184
8.6結束語 / 185
參考文獻 / 185
展開全部
偏最小二乘方法及其在工業過程數據處理中的應用 作者簡介
高學金，北京工業大學，學院書記/教授，博士，教授，碩導，北京市中青年骨干教師，兼任數字社區教育部工程研究中心常務副主任、中國自動化學會青年工作委員會委員、中國自動化學會技術過程的故障診斷與安全性專業委員會委員。主持國家自然科學基金2項、北京市自然科學基金等省部級課題3項、西門子（中國）有限公司等企事業單位委托課題8項。發表學術論文60余篇，被SCI、EI等檢索50篇次。授權國家發明專利12項。出版專著1部。獲得省部級一等獎2項、三等獎1項。
書友推薦
- >
名家帶你讀魯迅:故事新編
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
龍榆生：詞曲概論/大家小書
- >
莉莉和章魚
- >
【精裝繪本】畫給孩子的中國神話
- >
姑媽的寶刀
- >
我與地壇
本類暢銷
