朱鹏飞，夏陆岳，潘海天

（浙江工业大学化学工程学院,浙江 杭州 310032）

引 言

随着化学工业的飞速发展，现代化工过程对产品质量指标及系统状态的估计性能要求越来越高，但由于存在经济、技术等诸多因素，导致难以有效实现这些质量指标或系统状态的在线实时检测。采用软测量技术建立精确可靠的预测模型，是实现化工过程产品质量指标或系统状态在线实时预测的一种较为可行的解决方法。

国内外相关研究者提出了多种软测量建模方法，这些方法都有其各自的优势与局限[1]。针对具体工业对象选择建模，必须结合实际对象特性，才能建立具有可靠预测性能的软测量模型。许多化工过程具有时变、非线性等特性，而且建模过程易受采样数据不准确、工作点漂移等诸多因素的影响，导致单一软测量模型在测量精度、泛化性能和稳定性等方面存在不足，难以准确描述具体对象的局部和全局特性。针对上述情况，一些研究者提出了混合建模、模型校正等处理方法。其中混合建模方法是将机理模型、经验模型等多种形式的模型以并联或串联方式结合，充分利用机理建模和经验建模等方法各自的优势，可获得更好的精度与泛化性能，适用于过程机理十分复杂的对象[2-4]；模型校正方法是利用最新采集的观测数据对原模型的参数或输出进行校正，使模型得到实时更新，由于跟踪了对象的最新动态特性，预测效果较为稳定，适用于训练样本小及动态特性复杂的对象[5-7]。……