基于偏最小二乘法的纸张抗张强度预测模型

李远华; 陶劲松; 李继庚; 刘焕彬

doi:10.3969/j.issn.0438-1157.2014.09.032

您当前的位置：

首页 >

文章列表页 >

基于偏最小二乘法的纸张抗张强度预测模型

过程系统工程 | 更新时间：2025-12-10

- 基于偏最小二乘法的纸张抗张强度预测模型
- Building predicting model of paper tensile strength based on partial least-squares approach
- 化工学报 2014年第9期页码：3544-3551
- 作者机构：
  
  华南理工大学制浆造纸工程国家重点实验室,广东,广州,510640
- 作者简介：
- 基金信息：
- DOI：10.3969/j.issn.0438-1157.2014.09.032
  中图分类号： S75
- 网络首发：2014-09-05，
  
  纸质出版：2014-09-05
- 稿件说明：
移动端阅览
李远华, 陶劲松, 李继庚, 等. 基于偏最小二乘法的纸张抗张强度预测模型[J]. 化工学报, 2014,(9):3544-3551.

LI Yuanhua, TAO Jingsong, LI Jigeng, et al. Building predicting model of paper tensile strength based on partial least-squares approach[J]. CIESC Journal, 2014, (9): 3544-3551.
李远华, 陶劲松, 李继庚, 等. 基于偏最小二乘法的纸张抗张强度预测模型[J]. 化工学报, 2014,(9):3544-3551. DOI： 10.3969/j.issn.0438-1157.2014.09.032.

LI Yuanhua, TAO Jingsong, LI Jigeng, et al. Building predicting model of paper tensile strength based on partial least-squares approach[J]. CIESC Journal, 2014, (9): 3544-3551. DOI： 10.3969/j.issn.0438-1157.2014.09.032.

摘要

为了解决抗张强度机理模型中参数难以测量、偏离工厂生产变量、实际指导关联性差的问题。以一瓦楞原纸生产线为研究对象，先通过经验分析筛选影响纸张抗张强度的生产过程变量，在收集对应变量的生产数据后，应用偏最小二乘法建立抗张强度预测模型并对重要影响变量进行分析。结果表明该模型具有较好精度，其皮尔逊相关系数r=0.732，均方根误差RMSE值为276 N·m-1，平均相对误差MRE值为5.17%。同时得到了影响纸张抗张强度的6个重要生产过程变量，通过机理分析和现场验证，发现结果具有较好的现实吻合度。

Abstract

The problems existing in the mechanism models include difficulty in obtaining the parameters

and most of the parameters had little relationship with production which reduced its practicability. The partial least-squares method (PLS) was used to establish the model to predict paper strength based on a production line of a corrugated paper mill. By selecting parameters and their data aided with mechanism analysis

we built the model and obtained the key parameters. The results showed that the model had a good precision that its Pearson's value was 0.732

root mean square error (RMSE) was 276 N·m-1

and mean relative error (MRE) was 5.17%. Besides

the model had a good analytical ability that the key elements could be interpreted very well from the mechanism angle.

关键词

Keywords

references

浏览量

316

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于NMI-GBR-SHAP的甲醇制烯烃催化剂积炭过程解释性分析

基于慢特征分析与最小二乘支持向量回归集成的草酸钴合成过程粒度预报

Group2vec：基于无监督机器学习的基团向量表示及其物性预测应用

相变悬浮液射流冲击变形状多孔层覆盖壁面的热分析

微波强化焦化废盐中有机物脱除性能研究