概念漂移是工业过程中常见的工况变化问题,如何使基于历史数据离线构建的工业预测模型在概念漂移环境下保持良好的在线性能是具有实际意义的研究难点。针对真实工业中样本难测参数真值获取难度大的问题,本文提出一种综合样本输出与特征空间的概念漂移检测方法,在少量真值标注情况下依据检测结果实现模型主动更新。首先,采用PCA识别新样本在特征空间中的漂移可能性;然后,基于时间差分思想对可能漂移的样本进行真值估计;接着,采用基于Page-Hinkley序列检测的改进方法在输出空间中对新样本的漂移情况确认;最后,采用上述步骤中得到的新概念样本对模型更新以提高其面对漂移样本的预测精度。本文基于合成、基准和真实工业过程数...