Apport du bootstrap à la régression PLS : application à la prédiction de la qualité des gazoles

S. Aji (1) , S. Tavolaro (1) , F. Lantz (2) , A. Faraj (1)

1 IFPEN - IFP Energies nouvelles
2 IFP School

L'objectif de la modélisation que nous développons s'intègre dans un processus de contrôle de qualité des produits élaborés en raffinerie. Nous construisons un modèle de prédiction statistique des propriétés chimiques des gazoles à partir des spectres proches infrarouges (PIR) de distillats moyens. Le grand nombre de variables explicatives ainsi que leur forte multicolinéarité préconisent une modélisation par régression PLS (partial least squares). La détermination des intervalles de prédiction nous amène à utiliser des techniques de bootstrap. Pour les mettre en Suvre, nous utilisons les propriétés du modèle PLS en tant que méthode de régression linéaire multiple à partir des composantes PLS orthogonales. Nous donnons ensuite des approximations de la distribution des coefficients ainsi que de la distribution des erreurs de prédiction.

Domains: Physics [physics]

S. Aji, S. Tavolaro, F. Lantz, A. Faraj. Apport du bootstrap à la régression PLS : application à la prédiction de la qualité des gazoles. Oil & Gas Science and Technology - Revue d'IFP Energies nouvelles, 2003, 58 (5), pp.599-608. ⟨10.2516/ogst:2003042⟩. ⟨hal-02043895⟩