3. 软测量建模核心概念
软测量建模的本质，是用可在线测量的辅助变量去推断难以直接测量的主导变量。理解这一过程，需要抓住四组核心概念：辅助变量与主导变量、机理模型与数据驱动模型、模型可解释性、泛化能力与工程约束。它们共同决定了模型能否在工业现场长期稳定运行。
3.1 辅助变量与主导变量
主导变量是软测量的目标，通常因测量仪表昂贵、维护困难或响应滞后而无法在线获取，例如精馏塔产品组分、反应器转化率、聚合产物分子量分布。辅助变量则是与主导变量存在物理关联、且可实时采集的过程变量，如温度、压力、流量、液位、阀门开度、电机电流等。
选择辅助变量不是越多越好，而要满足三个条件：可测性——能稳定在线采集；灵敏性——随主导变量变化有明显响应；独立性——彼此之间冗余度低，避免共线性导致模型病态。工程上常用机理分析初筛、相关性分析排序、主成分分析降维三步完成变量筛选。
变量筛选示例（Python 伪代码）：
# 1. 机理初筛：保留与目标有因果链的变量
candidates = ['T_top', 'P_top', 'F_feed', 'T_reboiler', 'F_reflux']
# 2. 相关性排序
corr = df[candidates + ['y_target']].corr()['y_target'].abs().sort_values()
# 3. 共线性检查，剔除 VIF 过高的变量
from statsmodels.stats.outliers_influence import variance_inflation_factor
vif = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
# 保留 VIF < 10 的变量进入建模
3.2 机理模型与数据驱动模型
机理模型基于质量、能量、动量守恒和反应动力学，用微分方程描述过程规律。它的优点是外推能力强、参数有物理意义，缺点是复杂装置机理不清、参数难以准确获取。数据驱动模型则从历史数据中学习输入输出映射，如偏最小二乘、支持向量回归、神经网络、高斯过程回归等，优点是建模快、适应性强，缺点是依赖数据质量、外推能力弱。
工程中更常见的是混合建模：用机理模型描述已知的主干规律，用数据驱动模型补偿未建模动态和扰动。例如在反应器出口浓度软测量中，先由物料平衡给出浓度估计，再用神经网络修正催化剂活性衰减带来的偏差。
| 对比维度 | 机理模型 | 数据驱动模型 | 混合模型 |
|---|---|---|---|
| 知识来源 | 物理化学定律 | 历史运行数据 | 两者结合 |
| 外推能力 | 强 | 弱 | 较强 |
| 数据需求 | 低 | 高 | 中 |
| 可解释性 | 高 | 低 | 中高 |
| 维护成本 | 参数整定难 | 需持续更新 | 中等 |
| 典型场景 | 反应器、精馏塔 | 复杂非线性过程 | 工业软测量主流 |
3.3 模型可解释性
可解释性指模型输出能否被工艺人员理解和信任。在过程工业中，操作人员不会接受一个“黑箱”给出的关键质量指标。可解释性包括：变量重要性是否清晰、输入输出关系是否符合机理方向、异常时能否定位原因。
提升可解释性的常用手段有：优先选择线性或稀疏模型；使用 SHAP、 permutation importance 等工具量化变量贡献；将神经网络与机理约束结合，如单调性约束、边界约束；对模型输出设置置信区间，让操作人员知道结果的可信程度。
工程经验：在软测量投用初期，建议同时显示模型预测值和关键辅助变量趋势。当预测值突变时，操作人员能快速判断是工艺真实波动还是仪表故障，从而决定是否采信模型。
3.4 泛化能力与工程约束
泛化能力指模型在训练数据之外的新工况下仍能保持精度。过程工业的工况会随原料、负荷、季节、设备状态变化而漂移，因此泛化能力直接决定软测量的使用寿命。提升泛化能力的措施包括：覆盖多工况的训练数据、正则化、交叉验证、在线自适应更新、集成学习等。
工程约束同样不可忽视：计算实时性要求模型在毫秒到秒级完成推理；仪表采样周期和通信延迟会影响输入同步；DCS 或 PLC 的运算资源有限，复杂模型需降阶或部署到边缘计算节点；安全联锁要求软测量输出不能直接参与紧急停车，只能作为操作指导或优化设定。
3.5 常见误区与复盘
- 误区一：辅助变量越多越好。大量冗余变量会引入噪声和共线性，导致模型过拟合。应坚持“机理相关、在线可测、低冗余”原则。
- 误区二：只追求训练精度。训练集 R² 很高但新工况下误差翻倍，说明泛化能力不足。必须用独立验证集和跨工况测试评估。
- 误区三：忽视可解释性。黑箱模型在异常工况下无法给出原因，操作人员会逐渐弃用。应至少提供变量贡献排序和置信区间。
- 误区四：忽略工程约束。模型精度再高，若推理时间超过采样周期或无法部署到现场控制器，也无法产生价值。
复盘要点：软测量项目失败往往不是算法问题，而是变量选择不当、工况覆盖不足、缺乏在线维护机制或与工艺人员沟通不够。建模前先明确主导变量的化验周期、允许误差和投用方式，再决定模型复杂度。
综上，辅助变量与主导变量定义了“测什么、用什么测”，机理与数据驱动模型决定了“怎么建”，可解释性决定了“敢不敢用”，泛化能力与工程约束决定了“能用多久、能不能落地”。四者缺一不可，共同构成软测量建模的工程基础。