摘要：针对复杂工业过程中存在的数据非线性的问题,对基于数据局部特征的回归模型构建和软测量建模方法进行研究.基于邻 域保持嵌入（NPE）算法思想,利用数据间局部关系特征,建立多目标的回归优化函数,提出了基于局部的数据回归（ LDR）算法.该方 法基于数据的局部关系和邻域特征,在保留输入数据和输出数据局部特征的同时,获取数据间的最大相关关系.通过数据低维潜变 量获取数据的回归关系,并建立软测量预测模型.将模型应用于工业案例中,预估产品的质量和难以在线测量的关键变量.脱丁烷 塔的案例研究证明了所提出的方法在变量预测方面的有效性.与基于全局特征的软测量模型的对比分析结果表明,所提出的LDR在 获取非线性数据相关性和增强数据预测精度方面具有显著的改善效果.

关键词：工业过程 邻域保持嵌入 数据回归算法 流形学习 软测量 

单位：云南电网有限责任公司丽江供电局; 云南丽江674100; 云南大学信息学院; 云南昆明650504