Resumen

La regresión de mínimos cuadrados parciales (PLS regression) se utiliza como una alternativa a la regresión de mínimos cuadrados ordinarios en presencia de multicolinealidad. Esta ocurrencia es común en problemas de ingeniería química. Además de la forma lineal de PLS, existen otras versiones basadas en un enfoque no lineal, como el PLS cuadrático (QPLS2). La diferencia entre QPLS2 y el algoritmo PLS regular es el uso de regresión cuadrática en lugar de regresión OLS en los cálculos de variables latentes. En este artículo proponemos una versión robusta de QPLS2 para superar la sensibilidad a valores atípicos utilizando el algoritmo Blocked Adaptive Computationally Efficient Outlier Nominators (BACON). Nuestro método híbrido se prueba en datos reales y simulados.

• Materias:Sistemas no lineales Ecuación diferencial parcial Modelo estocástico Ecuación diferencial no lineal
• Subjects:Nonlinear systems Partial differential equation Stochastic model Nonlinear differential equation
• Palabras claves:Regresión de mínimos cuadrados parciales; Multicolinealidad; Ingeniería química; Pls cuadrático; Qpls2; Valores atípicos
• Keywords:Partial least squares regression; Multicollinearity; Chemical engineering; Quadratic pls; Qpls2; Outliers