[發明專利]基于改進型BP神經網絡的煤熱解產物的預測方法

在審

• 申請號: 201711257660.8
• 申請日: 2017-12-04
• 公開（公告）號: CN108229721A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 謝良才;閆雨瑗;劉方;宣樂;徐龍;馬曉迅;孫鳴
• 申請（專利權）人: 西北大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06N3/08
• 代理公司: 西安永生專利代理有限責任公司 61201
• 代理人: 申忠才

1.一種基于改進型BP神經網絡的煤熱解產物的預測方法，其特征在于由以下步驟組成：

(1)采集不同產地的煤在不同熱解溫度下所對應的煤熱解產物為學習樣本，選取至少一個產地的煤在不同熱解溫度下所對應的煤熱解產物為預測樣本，預測樣本不包含在學習樣本內；

將學習樣本和預測樣本中煤的工業分析和元素分析數據中影響煤熱解的參數及熱解溫度作為輸入，以煤熱解產物作為輸出，確定網絡的拓撲結構，并得到初始權值、閾值的長度；

(2)根據學習樣本和預測樣本構建特征矩陣，并進行歸一化處理，如下：

式中，x_i代表輸入數據；x_min代表數據序列中的最小值；x_max代表數據序列中的最大值；

(3)初始化算法參數，包括粒子群規模sizepop、最大進化次數Maxiter、交叉概率P_c、變異概率P_m、學習率η，目標誤差E₀、最大運算次數MaxE，同時限定粒子的速度范圍[V_min，V_max]和位置范圍[X_min，X_max]；

(4)初始化粒子群中每一個粒子的速度V和位置X，并計算每一個粒子的適應度值；

(5)更新粒子群中每一個粒子的速度和位置按如下公式進行：

式中，v_id為在d維搜索空間第i個粒子的飛行速度，x_id為第i個粒子在d維搜索空間的位置，q_id為在d維空間第i個粒子的歷史最佳位置，q_gd為在d維空間粒子群體的歷史最佳位置，r₁、r₂為[0，1]之間的隨機數；c₁、c₂為加速因子，c₁＝c₂取值為0.5～2.5；t為迭代次數，ω為慣性權重，ω取值為0.5～1；

(6)對更新后的粒子計算適應度，進行遺傳操作，找出優秀粒子

a、選擇：基于粒子適應度比例的形式進行選擇，每個粒子被選擇的概率p_i為：

式中，表示第i個粒子的適應度值，N為樣本個數，K為輸出層節點數，d_ik為第i個樣本的第k個期望輸出值，a_ik為第i個樣本的第k個實際網絡輸出值，M為粒子群的粒子數目；

b、交叉：基于上述選擇操作中符合設定交叉概率P_c的粒子，通過交叉算子對粒子進行兩兩信息交換重組，產生新的粒子群；

c、變異：依據設定的變異概率P_m，在新的粒子群中選出一個粒子，選擇該粒子中的一點進行變異，產生新粒子；

(7)對步驟(6)選出的新粒子進行適應度評價，保留該次迭代中的最優粒子，返回步驟(5)進行迭代，對迭代后的新粒子進行適應度評價，得到全局最優粒子；

(8)對全局最優粒子解碼得到最優的權值、閾值；

(9)將得到的最優的權值、閾值賦給附加自適應學習率的BP算法，在網絡運行過程中根據網絡運行的均方誤差自動調節學習率，當網絡的均方誤差＜最初設置的目標均方誤差或者網絡運行次數達到設定的最大運行次數時，網絡結束運行，并輸出預測樣本的權值、閾值；

(10)提取步驟(2)中特征矩陣中的預測樣本及步驟(9)中預測樣本的權值、閾值，依據預測樣本的輸入參數，計算出預測樣本的輸出y

式中，w₁為預測樣本的輸入層到隱含層之間的權值、w₂為預測樣本的隱含層到輸出層的權值，b₁為預測樣本隱含層的閾值、b₂為預測樣本輸出層的閾值，X為預測樣本的輸入參數，a為系數；

(11)對步驟(10)預測樣本的輸出y值進行反歸一化，得到預測煤樣的產物收率。

2.根據權利要求1所述的基于改進型BP神經網絡的煤熱解產物的預測方法，其特征在于：所述的步驟(1)中煤的熱解產物為熱解半焦的產率或熱解焦油的產率或熱解氣的產率或熱解揮發物的產率。