[發明專利]基于遞推嶺ELM的填料塔載點氣速預測方法

無效

• 申請號: 201310390400.3
• 申請日: 2013-08-30
• 公開（公告）號: CN103455721A
• 公開（公告）日: 2013-12-18
• 發明（設計）人: 劉毅;高增梁;張明濤
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

1.基于遞推嶺ELM的填料塔載點氣速預測方法提出一種新型的極限學習機網絡的建模方法，即遞推嶺極限學習機(recursive?ridge?extreme?learning?machine，RRELM)，可以快速對不同類型散堆填料塔中的載點氣速建立通用的預測模型，使用該模型可以對各種型號散堆填料塔中的載點氣速進行較準確的預測；包括以及幾個步驟：

(1)采集散堆填料塔實驗中與載點氣速相關的數據，作為建模所需的樣本集，分析數據特征及影響載點氣速的因素，確定載點氣速模型的輸入變量與輸出變量；

(2)由于數據之間存在較大的差距，為了保證建立模型的可靠性，首先要對數據預處理；歸一化是神經網絡等建模方法常采用的預處理方法，即把數據值都轉化為[0，1]區間的數，此處采用的是對數歸一化法；

(3)根據載點氣速歸一化之后的數據特點，對不同類型的散堆填料，快速建立載點氣速預測的RRELM模型；

(4)應用建立的RRELM模型進行預測，并對預測值進行反歸一化，最終計算得到載點氣速的預測值。

2.根據權利要求1所述的散堆填料塔中載點氣速的預測方法，所述的步驟(1)其特征在于所述的載點氣速模型的輸入變量和輸出變量分別為：液相雷諾數Re_L、斯托克斯數St_L、伽利略數Ga_L、填料層厚度校正系數S_B、以及填料球形度作為模型的輸入變量；Lockhart-Martinelli參數χ則為模型的輸出變量。

3.根據權利要求2所述的散堆填料塔中載點氣速的預測方法，其特征在于其載點氣速與模型輸出的關系為：

UG,Ld=χ·UL/ρG/ρL]]>

式中：U_G，Ld為載點氣速，U_L為液相流動速度，ρ_G和ρ_L分別為氣相和液相的密度。

4.根據權利要求1所述的散堆填料塔中載點氣速的預測方法，其特征在于所述的步驟(2)中的對數歸一化法，每一個輸入變量歸一化的表達式如下：

xN=log10(x/xmin)log10(xmax)-log10(xmin)]]>

式中：x_N為歸一化后的值，x是樣本值，X_min和X_max分別是樣本中的最小值和最大值。

5.根據權利要求1所述的散堆填料塔中載點氣速的預測方法，其特征在于所述的步驟(3)中的RRELM建模過程中，采用了基于快速留一交叉驗證準則，并以遞推的方式確定模型的最佳節點。

6.根據權利要求1所述的散堆填料塔中載點氣速的預測方法，其特征在于所述的步驟(4)中的RRELM模型采用的是sigmoidal形式的激活函數，數學表達式為其中，H是根據載點氣速訓練數據中輸入參數生成的隱層輸出矩陣，k為嶺參數，U為單位矩陣，是計算獲得的輸出權值，H_t是測試數據根據輸入參數而生成的隱層輸出矩陣，Y是載點氣速訓練集數據中的輸出變量，根據測試集輸入變量并且利用所建立的RRELM模型計算得到的預測值，并對模型預測值進行反歸一化處理，根據權利要求4所述的載點氣速與模型輸出的關系得到最終的載點氣速預測值。