陶劲松 杨亚帆 李远华

(华南理工大学 制浆造纸工程国家重点实验室，广东 广州 510640)

造纸过程中，抗张强度不足会引发断纸、生产中断和大量能源的浪费，通常为了保持连续生产和抗张强度质量满足客户需求，抗张强度会超过标准生产，这又导致原料和能源损失严重.然而目前的抗张强度预测模型主要为机理模型，同时没有抗张强度的在线测量仪表，测量都需进行破坏性试验，所以造纸厂对其控制存在较大的滞后性、偏差性［1］.

现在的抗张强度模型可分为3 大类:Page 机理模型［2］及其改良模型［3-4］;Shear-lag 机理方程［5］及其改良模型［6］;线性回归及神经网络预测模型.Page模型、Shear-lag 模型及其改良模型中的大部分参数需要通过实验测得，预测精度较低，实用性不强.王宝玉［7］使用SPSS 软件建立的抗张指数多元线性回归方程及Navita 等［8］使用BP 神经网络建立的模型解决了模型预测精度低的问题，但模型使用的参数与生产中参数类型差距仍然较大，并没有解决实际应用中的问题.由于这些模型精度低和生产指导意义有限，现有的这3 类模型均未应用于在线预测.

偏最小二乘法(PLS)由Wold 等［9］在1983年首次提出，它是一种多因变量对多自变量的多元统计数据分析方法，能够将主成分分析、典型相关及多元线性回归分析有机地结合起来，尤其适用于变量多重相关性、小样本等情况下的多对多线性回归分析.而Vapnik［10］提出的支持向量机(SVM)训练过程遵循结构风险最小化原则，结构参数在训练过……