[發明專利]RNA遺傳算法的超臨界水氧化反應動力學模型參數估計方法

有效

• 申請號: 201110373129.3
• 申請日: 2011-11-22
• 公開（公告）號: CN102521654A
• 公開（公告）日: 2012-06-27
• 發明（設計）人: 王寧;張麗
• 申請（專利權）人: 浙江大學
• 主分類號: G06N3/12
• 分類號: G06N3/12
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 張法高

技術領域

本發明涉及一種RNA遺傳算法的超臨界水氧化反應動力學模型參數估計方法。

背景技術

超臨界水氧化(SCWO)技術是一種新興的有機廢水處理技術?，F代廢水處理要求采用更為精確的數學模型來描述這一過程。解決超臨界水氧化反應的建模和控制問題，具有重要理論意義和實用價值。而要對超臨界水氧化反應建立可靠的模型，首要解決的是模型中的參數估計問題。參數估計問題本質上也屬于優化問題。許多研究者采用一些傳統的優化方法，如Levenberg-Marquardt，Gauss-Newton等方法來解決這一問題。但是這些確定性的優化算法經常在搜索的過程中陷入局部極小點，無法取得滿意的效果。遺傳算法是模擬生物在自然環境中的遺傳和進化過程而形成的一種全局優化搜索方法。它能解決傳統優化方法難以解決的復雜優化問題，在復雜空間內進行有效的搜索，并具有很好的魯棒性與適應性，是一種有效的優化策略。但常規的遺傳算法易出現早熟收斂或求解時間過長，難以找到全局最優解等缺點。

發明內容

本發明的目的在于針對現有技術的不足，提供一種RNA遺傳算法的超臨界水氧化反應動力學模型參數估計方法。

RNA遺傳算法的超臨界水氧化反應動力學模型參數估計方法的步驟如下：

1)通過現場操作或實驗獲得超臨界水氧化反應過程的實際輸入采樣數據、輸出采樣數據，對于同一組采樣輸入數據，將動力學模型的估計輸出與實際輸出的相對誤差絕對值之和作為RNA遺傳算法尋優搜索時的目標函數；

2)設定如下RNA遺傳算法運行參數：種群規模N、最大進化代數MaxGen、被估計參數的取值范圍、參數編碼長度l、置換交叉概率P_c1、換位交叉概率P_c2、轉位交叉概率P_c3、閾值常數ξ；

3)設定RNA遺傳算法的終止準則：RNA遺傳算法運行代數達到最大進化代數；

4)運行RNA遺傳算法，對動力學模型中的指前因子A、反應活化能E_a、2-氯苯酚反應級數a、氧氣反應級數b和水反應級數c五個未知參數進行估計，通過最小化目標函數，獲得未知參數的估計值，將估計值代入動力學模型中，獲得超臨界水氧化反應動力學模型。

所述的步驟4)為：

1)隨機產生N個長度為L＝n×l的個體，組成初始種群，其中n為動力學模型中未知參數的個數，l為每個未知參數的編碼長度，采用RNA堿基編碼方式，并且將四種堿基轉換成0、1、2、3的四進制編碼；

2)計算種群中每個個體的適應度值，并按照適應度值的大小對種群進行劃分，適應度值大的N/2個體組成優勢群體，適應度值小的N/2個體構成劣勢群體；

3)對優勢群體依次按概率執行交叉操作形成新的父代個體；

4)將步驟3)形成的新的個體加入到劣勢群體中，作為變異操作的父代個體；

5)在父代個體中，任選兩個個體，計算個體相似度，如果個體相似度滿足Similar(x_i，x_j)≤ξ，則執行框架變異操作，產生新的子代個體，否則，重復步驟5)，直至3N/2次相似度判斷結束；

6)使用比例選擇方法選擇N個個體構成新的種群；

7)如果滿足終止準則，則算法結束，否則，重復步驟3)至步驟6)。

所述的步驟6)為：在每一代進化過程中，當執行完變異操作后，在總數為3N/2的種群中，按適應度值從大到小進行個體排序，選擇前N/2序列和適應度值最小的后N/2序列，按照比例選擇操作復制種群，直至產生含有N個RNA序列的新種群。

所述的步驟3)為：

a)在整個種群中，按照適應度值的大小將種群中個體劃歸為優勢群體和劣勢群體兩類，每一類具有個體數均為N/2；

b)在優勢群體中，以概率1執行置換交叉操作，在當前個體的編碼序列中隨機選取一段作為子序列，將該段子序列用另一隨機選取的個體中長度相等的子序列來替代，從而生成一個新的RNA序列；

c)在優勢群體中，以概率0.5執行轉位交叉操作，選擇要執行轉位交叉操作的個體，在個體上隨機選取一段子序列和一個插入點，將子序列插入到新的插入點，形成一個新的個體；

d)若轉位交叉未被執行，則執行換位交叉操作，將當前RNA序列分成長度相等的兩部分，在每一部分中隨機選擇一段等長度的子序列，并交換兩段子序列的位置，從而形成一個新的RNA序列；

e)重復步驟a)至步驟d)，直至產生的新個體的數目為N。

所述的步驟5)中相似度判斷方法為：