深度残差PLS模型

非线性残差全利用

层层叠加PLS并利用非线性变换处理输入残差，充分捕获工业过程数据中的非线性信息，提升质量预测精度。

袁小锋 · Weiwei, Xu · 王雅琳 · 杨超 · 桂卫华

IEEE/CAA Journal of Automatica Sinica 2024

技术优势

非线性也能学

在残差连接前应用非线性函数，使堆叠的PLS能够提取非线性信息，弥补线性模型的不足。

残差不浪费

每一层PLS的输出都是前一层输出残差的拟合结果，最终预测集成了各层贡献，充分利用了数据。

工业过程已验证

在工业加氢裂化过程中验证了有效性，证明其适用于真实复杂工业场景。

应用场景

• 软测量建模：作为软测量模型核心，提升关键变量预测精度。
• 过程质量预测：直接用于产品质量指标预测，指导操作优化。
• 工业过程监控：嵌入监测系统，提供更可靠的质量估计以辅助控制与报警。