基于Fisher信息矩阵的目标导向过程数据时间序列分割算法-MATLAB开发

简介：
本项目提出了一种利用Fisher信息矩阵进行目标导向的过程数据时间序列分割算法，并提供了MATLAB实现代码。 先进的化学过程工程工具，例如模型预测控制或软传感器解决方案，需要适当的过程模型来支持其运行。这些模型的参数识别工作则依赖于具有高信息量的输入输出数据的支持。当无法采用基于模型的优化实验设计技术时，从历史数据中提取的信息片段也能为系统识别提供帮助。 我们开发了一种面向目标的时间序列分割算法，该算法利用Fisher 信息矩阵，并广泛应用于过程数据的离线分析之中。此方法旨在通过自下而上的策略来选择能够支持参数集识别的历史过程数据中的关键段落或“信息片段”。 我们在比较两个相邻时间序列的信息内容时建议使用Krzanowski相似系数而非传统的D或E最优性标准，这是因为Fisher 信息矩阵的特征向量之间的这种度量能更好地捕捉到特定于参数集的信息含量。 通过两个应用示例验证了该方法的有效性和实用性。我们的算法能够从历史过程数据中提取出那些对于确定模型参数具有关键作用的时间片段。