基于MapReduce的并行PLS过程监控算法实现

作     者：王德政 张益农 杨帆 WANG Dezheng;ZHANG Yinong;YANG Fan

作者机构：北京联合大学北京市信息服务工程重点实验室北京100101 清华大学自动化系北京100084 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2018年第54卷第24期

页      面：61-65,175页

学科分类：08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

基　　金：国家自然科学基金(No.61433001) 北京市属高等学校高层次人才引进与培养计划项目(No.CIT&TCD20150314) 

主　　题：云计算 过程监控 MapReduce 偏最小二乘算法 并行算法 

摘      要：偏最小二乘算法(PLS)是现代工业过程常用的多变量统计过程监控方法之一,然而在现代工业背景下,采用单台PC对大规模工业过程数据进行PLS回归分析的时间复杂度较高。针对此问题,在Hadoop云平台上提出了一种基于MapReduce框架的并行PLS算法。从时间复杂度考虑,将其交叉有效性检验部分并行处理。在三台PC上搭建三个节点的Hadoop全分布集群平台上,以田纳西-伊斯曼过程仿真平台数据回归分析为例,验证所提出的算法。实验结果表明,在使用PLS做现代大规模工业过程数据分析时,所提出的算法在保证精度的前提下,能有效改善数据处理的时效性并且随着PC数量的增加时效性具有近似线性的提高。