第４６卷第１期重庆大学学报Ｖｏｌ．４６Ｎｏ．１２０２３年１月ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙＪａｎ．２０２３ｄｏｉ：１０．１１８３５／ｊ．ｉｓｓｎ．１０００－５８２Ｘ．２０２１．１２４基于ＬＡＳＳＯ回归的Ｒ－ｖｉｎｅｃｏｐｕｌａ模型构建及其在化工过程故障检测中的应用邓红涛１，贾琼２，李绍军２，李伟１（１．石河子大学，新疆石河子８３２０００；２．华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海２００２３７）收稿日期：２０２１－０４－２０网络出版日期：２０２１－０９－１６基金项目：国家自然科学基金资助项目（２１６７６０８６）。ＳｕｐｐｏｒｔｅｄｂｙｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅｏｆＣｈｉｎａ（２１６７６０８６）．作者简介：邓红涛（１９８１—），女，硕士，副教授，主要从事数据处理、过程建模、优化与控制研究，（Ｅ－ｍａｉｌ）３８１９０４２５＠ｑｑ．ｃｏｍ。通信作者：李伟，男，硕士，副教授，主要从事数据处理、智能控制方向研究，（Ｅ－ｍａｉｌ）ｌｗ２００＠ｑｑ．ｃｏｍ．ｃｎ。摘要：Ｖｉｎｅｃｏｐｕｌａ模型在描述高维数据间的非线性、非高斯特性相依关系问题上提供了一种新的思路，在化工过程建模领域受到越来越多关注。笔者将ＬＡＳＳＯ（ｌｅａｓｔａｂｓｏｌｕｔｅｓｈｒｉｎｋａｇｅａｎｄｓｅｌｅｃｔｉｏｎｏｐｅｒａｔｏｒ）回归引入Ｒ－ｖｉｎｅｃｏｐｕｌａ（ＬＡＳＳＯ－Ｒ－ｖｉｎｅｃｏｐｕｌａ，ＬＲＶＣ），根据变量间联系的强弱程度确定变量在Ｒ－ｖｉｎｅ矩阵中的位置，利用回归分析正则化路径选择Ｒ－ｖｉｎｅｃｏｐｕｌａ矩阵结构，遵循Ｒ－ｖｉｎｅ矩阵构建规则和回归过程确定Ｒ－ｖｉｎｅ结构矩阵模型，以获得一个与变量独立性有关的稀疏矩阵模型。该方法构建的矩阵结构独立于ｃｏｐｕｌａ函数类型和参数，在处理高维度复杂工业过程数据时，利用稀疏模型和惩罚力度简化ｃｏｐｕｌａ函数类型选择过程，缩短了建模时间，使统计建模具有更强的灵活性。该方法在ＴＥ（ＴｅｎｎｅｓｓｅｅＥａｓｔｍａｎ）和醋酸脱水过程故障监测中表现出较好的预测效果，证明了提出的方法在非线性、非高斯过程的有效性。关键词：过程监控；相关性；Ｒ－ｖｉｎｅｃｏｐｕｌａ；ＬＡＳＳＯ回归中图分类号：ＴＰ２７７文献标志码：Ａ文章编号：１０００－５８２Ｘ（２０２３）０１－０２７－０８ＭｏｄｅｌｏｆＲ－ｖｉｎ...
