化学磺化过程中基于软测量的预测之特征重要性分析
机器学习
2020-09-28 v1 信号处理
摘要
本文给出了一个化学磺化过程的特征重要性分析结果。任务在于预测中和值（NT），它是表征活性洗涤剂产品质量的指标。预测基于从工业化学过程采样得到的环境测量数据集。我们采用了软测量方法，即基于其他过程变量预测感兴趣变量，而非直接传感该变量。这样做的原因包括传感硬件昂贵以及环境恶劣（例如化学反应器内部）。本研究的目的是探索并检测哪些变量对预测产品质量最为相关，以及达到何种精度。我们训练了基于线性回归、回归树与随机森林的回归模型。使用随机森林模型按重要性对预测变量排序。随后，我们以前向选择方式，从最重要的变量开始逐一加入特征来训练模型。结果表明，在 8 个变量中使用前 3 个重要变量即可获得满意的预测结果。另一方面，随机森林在使用全部变量训练时取得了最佳结果。
引用
@article{arxiv.2009.12133,
title = {A Feature Importance Analysis for Soft-Sensing-Based Predictions in a Chemical Sulphonation Process},
author = {Enrique Garcia-Ceja and Åsmund Hugo and Brice Morin and Per-Olav Hansen and Espen Martinsen and An Ngoc Lam and Øystein Haugen},
journal= {arXiv preprint arXiv:2009.12133},
year = {2020}
}
备注
Accepted for: 3rd IEEE International Conference on Industrial Cyber-Physical Systems (ICPS 2020)