• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2013 Fiscal Year Research-status Report

安定的で効率的な推定制御のための適応型非線型回帰分析手法の開発

Research Project

Project/Area Number 24760629
Research InstitutionThe University of Tokyo

Principal Investigator

金子 弘昌  東京大学, 工学(系)研究科(研究院), 助教 (00625171)

Keywordsプロセス管理 / ソフトセンサー / モデルの劣化 / 適応型モデル / サポートベクター回帰 / アンサンブル学習 / ベイズの定理 / 予測誤差
Research Abstract

化学プラントにおいては、測定困難なプロセス変数を推定する手法としてソフトセンサーが広く用いられている。ソフトセンサーとは、オンラインで測定可能な変数と測定困難な変数yの間で数値モデルを構築し、yの値を予測する方法である。yの実測値の代わりに予測値を用いることで、迅速かつ連続的な制御が達成される。しかしソフトセンサーはプラント状態の変化によって予測精度が劣化してしまう。
前年度にsupport vector regression (SVR) モデルの更新と時間変数により時間的にプロセスが変化する場合でも適切に予測性能を維持することが可能となった。しかし一つのSVRモデルでは限られたプロセス状態にしか対応できない。そこで様々なパラメータで構築された複数のSVRモデルを用いてアンサンブル予測を行う手法を開発した。複数のSVRモデルからyの予測値が出力され、ベイズの定理を活用して各SVRモデルの予測性能に基づいて重み付け平均したものが最終的な予測値となる。各SVRモデルは新しいデータを使用して逐次更新されるためプロセスの急激な変化に追随可能であり、各SVRモデルが得意とするプロセス状態の際にそのSVRモデルの重みが大きくなることで各プロセス状態に対応できる。
さらに複数のSVRモデルから出力されたyの予測値の標準偏差によりyの誤差を推定する。予測値がばらついている場合は最終的な予測値は信頼できないが、予測値が一箇所に固まっていれば最終的な予測値も信頼できる。このように誤差を推定することで、yの予測値だけでなく、その定量的なエラーバーも同時に出力されyの制御に応用できる。
またSVRモデルを更新してモデルの精度を高く維持するためには、更新に使用するデータベースを適切に管理しなければならない。そこで情報量を基準にしたデータベースのための指標を開発し、データベース管理の流れを確立した。

Current Status of Research Progress
Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

複数のsupport vector regression(SVR)モデルを更新しながら使用して予測することで、プロセスの急激な変化だけでなく、複数のプロセス状態に追随可能なソフトセンサー手法を開発した。複数のSVRモデルから得られる予測値から最終的な予測値を計算する際、単純に平均を取るだけでは対応できなかった。そこで各SVRモデルの予測性能を評価する指標を新たに開発し、その指標に基づいて予測値の重み付け平均と取ることでこの問題に対処した。入力変数と出力変数との間が非線形関係であり時間変化する数値シミュレーションデータを使用することで、開発した手法の有効性および従来手法に対する優位性が検証されている。
またSVRモデルを更新してモデルの精度を高く維持するためデータベースを適切に管理する必要が生じたが、新たにデータベース管理手法を開発することで対応した。
以上のことから、おおむね順調に進展しているといえる。

Strategy for Future Research Activity

開発した手法を用いた様々なデータ解析を通して、提案手法の実用化および一般化に関する検討を行う。検討する項目の例として、モデルの数はいくつが妥当か、各モデルへ事前に割り振るパラメータはどのようにすべきか、最終的な予測値の決定方法として何を用いるべきか等が挙げられる。
データを使用するプラントとして、反応を伴わない系だけでなく反応を含む系も対象とする。プラントごとの特徴を踏まえて上記の項目を考察することで、新しいプラントに対する提案手法の適用法に関する知見を得る。ダイナミックシミュレータによって作成されたプラントモデルから得られたデータだけでなく実際のプラントの運転データを使用することで、多種多様なデータを用いた解析を通して各プロセスにおける予測精度向上だけでなく、汎用的な手法の開発を目指す。
今年度開発したモデルのみで対応できない場合は、モデルの劣化の種類に応じて、時間差分モデルやjust-in-timeモデルを組み合わせて使用する手法を開発する。

  • Research Products

    (13 results)

All 2014 2013

All Journal Article (6 results) (of which Peer Reviewed: 6 results) Presentation (7 results)

  • [Journal Article] Database Monitoring Index for Adaptive Soft Sensors and the Application to Industrial Process2014

    • Author(s)
      Hiromasa. Kaneko, Kimito Funatsu
    • Journal Title

      AIChE Journal

      Volume: 60 Pages: 160-169

    • DOI

      10.1002/aic.14260

    • Peer Reviewed
  • [Journal Article] Application of Online Support Vector Regression for Soft Sensors2014

    • Author(s)
      Hiromasa. Kaneko, Kimito Funatsu
    • Journal Title

      AIChE Journal

      Volume: 60 Pages: 600-612

    • DOI

      10.1002/aic.14299

    • Peer Reviewed
  • [Journal Article] ソフトセンサーのためのデータベース管理指標の開発2013

    • Author(s)
      金子 弘昌, 船津 公人
    • Journal Title

      Journal of Computer Aided Chemistry

      Volume: 14 Pages: 11-22

    • DOI

      10.2751/jcac.14.11

    • Peer Reviewed
  • [Journal Article] Adaptive Soft Sensor Model Using Online Support Vector Regression with the Time Variable and Discussion on Appropriate Hyperparameters and Window Size2013

    • Author(s)
      Hiromasa. Kaneko, Kimito Funatsu
    • Journal Title

      Computers & Chemical Engineering

      Volume: 58 Pages: 288-297

    • DOI

      10.1016/j.compchemeng.2013.07.016

    • Peer Reviewed
  • [Journal Article] Estimation of Predictive Accuracy of Soft Sensor Models Based on Data Density2013

    • Author(s)
      Hiromasa. Kaneko, Kimito Funatsu
    • Journal Title

      Chemometrics and Intelligent Laboratory Systems

      Volume: 128 Pages: 111-117

    • DOI

      10.1016/j.chemolab.2013.08.005

    • Peer Reviewed
  • [Journal Article] Criterion for Evaluating the Predictive Ability of Nonlinear Regression Models without Cross-Validation2013

    • Author(s)
      Hiromasa. Kaneko, Kimito Funatsu
    • Journal Title

      Journal of Chemical Information and Modeling

      Volume: 53 Pages: 2341-2348

    • DOI

      10.1021/ci4003766

    • Peer Reviewed
  • [Presentation] ソフトセンサーにおけるデータベース管理のための自動的パラメータ選択2014

    • Author(s)
      金子 弘昌, 船津 公人
    • Organizer
      化学工学会第79年会
    • Place of Presentation
      岐阜県, 岐阜大学
    • Year and Date
      20140319-20140319
  • [Presentation] 非線形回帰モデルの予測性能評価指標の開発2013

    • Author(s)
      金子 弘昌, 船津 公人
    • Organizer
      第36回情報化学討論会
    • Place of Presentation
      茨城県, 筑波大学
    • Year and Date
      20131108-20131108
  • [Presentation] Adaptive Soft Sensor Model Using Online Support Vector Regression and the Time Variable2013

    • Author(s)
      Hiromasa. Kaneko, Kimito Funatsu
    • Organizer
      2013 AIChE Annual Meeting
    • Place of Presentation
      San Francisco, U.S.A.
    • Year and Date
      20131104-20131104
  • [Presentation] 適応型ソフトセンサーのためのデータベース管理指標の開発2013

    • Author(s)
      金子 弘昌, 船津 公人
    • Organizer
      化学工学会第45回秋季大会
    • Place of Presentation
      岡山県, 岡山大学
    • Year and Date
      20130917-20130917
  • [Presentation] Adaptive Soft Sensor Model Using Online Support Vector Regression with the Time Variable and Discussion on Appropriate Parameter Settings2013

    • Author(s)
      Hiromasa. Kaneko, Kimito Funatsu
    • Organizer
      17th International Conference in Knowledge Based and Intelligent Information and Engineering Systems
    • Place of Presentation
      Fukuoka, Japan
    • Year and Date
      20130911-20130911
  • [Presentation] High Predictive Soft Sensors Based on Time Difference (TD) Models and the Selection of Optimal TD Intervals2013

    • Author(s)
      Hiromasa. Kaneko, Kimito Funatsu
    • Organizer
      9th World Congress of Chemical Engineering
    • Place of Presentation
      Seoul, Korea
    • Year and Date
      20130822-20130822
  • [Presentation] 適応型非線型回帰分析手法の開発およびソフトセンサーへの応用2013

    • Author(s)
      金子 弘昌, 船津 公人
    • Organizer
      日本コンピュータ化学会2013年春季年会
    • Place of Presentation
      東京都, 東京工業大学
    • Year and Date
      20130530-20130530

URL: 

Published: 2015-05-28  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi