本文提出一种新的数据驱动建模思路及方法,即面向建模误差概率密度函数(Probability density function,PDF)形状与趋势拟合优度(相似度)的动态过程多目标优化建模方法.首先,针对均方根误差(Root mean square error,RMSE)等常规一维性能...本文提出一种新的数据驱动建模思路及方法,即面向建模误差概率密度函数(Probability density function,PDF)形状与趋势拟合优度(相似度)的动态过程多目标优化建模方法.首先,针对均方根误差(Root mean square error,RMSE)等常规一维性能指标不能完全刻画建模误差在时间和空间二维随机动态特性的问题,引入PDF指标来对动态过程的建模误差在时间和空间进行二维尺度的全面刻画和评价,并采用核密度估计技术对关于时间的建模误差序列的PDF进行估计;其次,为了刻画动态过程数据建模的拟合趋势,进一步引入趋势拟合优度指标,从而构造综合描述数据建模误差PDF形状与趋势拟合相似性的多目标性能指标;在此基础上,采用NSGA-II算法优化数据模型的参数集,获取一大类满足上述多目标性能优化的智能模型参数解.数值仿真及工业数据验证表明,所提方法的建模误差PDF逼近设定的期望PDF,并且模型输出与样本数据拟合趋势接近,好于常规最小化一维RMSE指标的数据建模方法.展开更多
文摘本文提出一种新的数据驱动建模思路及方法,即面向建模误差概率密度函数(Probability density function,PDF)形状与趋势拟合优度(相似度)的动态过程多目标优化建模方法.首先,针对均方根误差(Root mean square error,RMSE)等常规一维性能指标不能完全刻画建模误差在时间和空间二维随机动态特性的问题,引入PDF指标来对动态过程的建模误差在时间和空间进行二维尺度的全面刻画和评价,并采用核密度估计技术对关于时间的建模误差序列的PDF进行估计;其次,为了刻画动态过程数据建模的拟合趋势,进一步引入趋势拟合优度指标,从而构造综合描述数据建模误差PDF形状与趋势拟合相似性的多目标性能指标;在此基础上,采用NSGA-II算法优化数据模型的参数集,获取一大类满足上述多目标性能优化的智能模型参数解.数值仿真及工业数据验证表明,所提方法的建模误差PDF逼近设定的期望PDF,并且模型输出与样本数据拟合趋势接近,好于常规最小化一维RMSE指标的数据建模方法.
