[發明專利]基于規則輔助的高爐冶煉過程數據驅動建模方法

有效

• 申請號: 201710246244.1
• 申請日: 2017-04-15
• 公開（公告）號: CN107092743B
• 公開（公告）日: 2020-03-06
• 發明（設計）人: 漸令;宋曉欣;高富豪;宋允全;梁錫軍
• 申請（專利權）人: 中國石油大學(華東)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F111/10
• 代理公司: 青島清泰聯信知識產權代理有限公司 37256
• 代理人: 張媛媛

1.一種基于規則輔助的高爐冶煉過程數據驅動建模方法，其特征在于，含有以下步驟：

(一)采集2000m³高爐冶煉過程實際數據，高爐實際采集數據具有時序特征，故在數據處理過程中保持數據先后順序不變；采用如下數據處理方法對采樣數據進行預處理，其中表示原始采集數據，表示第j個特征的平均值，表示第j個采集變量的標準差，將采集數據轉換為無量綱數據，消除數據的數量級差異，將上述預處理后的數據轉換為規則數據，其具體步驟為：

(1)收集并整理專家知識、利用決策樹算法生成IF…THEN…規則：

；

(2)定義第k個樣本點x_k的第ip個特征關于基本規則區間的隸屬度為：

其中，

(3)定義合取算子∧及析取算子V計算and-型規則及or-型規則對樣本點x_k的規則支持度為：

；

(4)利用規則支持度產生規則數據，規則數據表示為：

r_k＝(r₁(x_k)，…，r_m(x_k))∈[0 1]^m (6)；

(二)采用多核學習算法融合多源規則數據集，其具體步驟為：

(1)選擇高斯RBF函數作為核函數，利用步驟(一)產生的p組規則數據集分別產生核矩陣K₁，…，K_p；

(2)利用面向LS-SVMs的多核學習算法對p組規則數據進行融合：

s.t.||μ||≤1,

μ_i≥0，i＝1，…，p+1,

其中嚨_i(α)＝α^TK_iα，i＝1，…，p+1，

求解上述融合的優化問題，得到LS-SVMs模型正則化參數ν＝μ_p+1及最優核矩陣系數μ_i(i＝1，…，p)，進而獲得進行數據融合的規則核矩陣

(三)建立數據驅動預測模型，其具體步驟為：

利用LS-SVMs建立數據驅動模型為：

其中，w為分類超平面的法向量，b為分類超平面的截距項，e_i為誤差項，v≥0為模型正則化參數，表示特征映射，通過指定核函數的方式隱式確定；

通過求解上述數據驅動模型的KKT系統

得到數據驅動預測模型為：

；

(四)建立規則預測模型，其具體步驟為：將步驟(二)中的得到LS-SVMs模型正則化參數ν以及規則核矩陣K_R代入LS-SVMs模型的KKT系統

求解公式(11)表示的KKT系統得到規則預測模型：

；

(五)采用Sigmoid函數擬合將步驟(四)中規則預測模型的輸出轉換為后驗概率，其具體步驟為：通過擬牛頓算法求解優化問題：

其中N₊/N_{_}分別為正/負類樣本點個數；

得到Sigmoid函數的最優擬合參數A和B，進而將規則預測模型的輸出決策值轉化為后驗概率進行輸出，后驗概率表示為：

；

(六)通過后驗概率集成數據驅動預測模型和規則預測模型，建立規則輔助的數據驅動模型，其具體步驟為：通過步驟(五)分別擬合出數據驅動預測模型和規則預測模型的Sigmoid函數的最優擬合參數，將數據驅動預測模型和規則預測模型的決策值轉換為后驗概率P_D和P_R，并對數據驅動預測模型和規則預測模型進行集成，獲得規則輔助的數據驅動模型為：

。