[發(fā)明專利]一種基于數(shù)據(jù)分布的小樣本擴(kuò)充對(duì)脫丁烷塔底丁烷濃度進(jìn)行預(yù)測(cè)的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810402513.3
• 申請(qǐng)日: 2018-04-28
• 公開(kāi)（公告）號(hào): CN108647272B
• 公開(kāi)（公告）日: 2020-12-29
• 發(fā)明（設(shè)計(jì)）人: 熊偉麗;畢略
• 申請(qǐng)（專利權(quán)）人: 江南大學(xué)
• 主分類號(hào): G06F16/23
• 分類號(hào): G06F16/23;G06F16/2458
• 代理公司: 哈爾濱市陽(yáng)光惠遠(yuǎn)知識(shí)產(chǎn)權(quán)代理有限公司 23211
• 代理人: 林娟

本發(fā)明公開(kāi)了一種基于數(shù)據(jù)分布的小樣本擴(kuò)充方法，屬于復(fù)雜工業(yè)過(guò)程建模和軟測(cè)量領(lǐng)域。在基于數(shù)據(jù)驅(qū)動(dòng)理論的建模過(guò)程中，樣本的數(shù)量會(huì)對(duì)所建模型的精度產(chǎn)生影響。針對(duì)訓(xùn)練樣本數(shù)量較少導(dǎo)致模型信息缺失的問(wèn)題，該方法通過(guò)分析數(shù)據(jù)的分布特征來(lái)確定樣本擴(kuò)充的區(qū)間范圍，通過(guò)使用歐氏距離和角度原則進(jìn)行數(shù)據(jù)擴(kuò)充，利用擴(kuò)充數(shù)據(jù)完善建模對(duì)象在各階段的信息，并進(jìn)一步重構(gòu)建模數(shù)據(jù)集，能夠?qū)﹃P(guān)鍵變量進(jìn)行精確預(yù)測(cè)，從而提高產(chǎn)品質(zhì)量，降低生產(chǎn)成本。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于數(shù)據(jù)分布的小樣本擴(kuò)充對(duì)脫丁烷塔底丁烷濃度進(jìn)行預(yù)測(cè)的方法，屬于復(fù)雜工業(yè)過(guò)程建模和軟測(cè)量領(lǐng)域。

背景技術(shù)

在工業(yè)過(guò)程復(fù)雜性日益增加，控制要求不斷提高的背景下，通常需要對(duì)一些無(wú)法或難以直接測(cè)量的質(zhì)量變量進(jìn)行監(jiān)控。這些變量有的雖然可用在線分析儀表進(jìn)行檢測(cè)，但是價(jià)格昂貴，而且可靠性差、具有較大測(cè)量滯后，難以在實(shí)時(shí)檢測(cè)中廣泛的應(yīng)用。為了解決這類變量的估計(jì)和控制問(wèn)題，軟測(cè)量技術(shù)得到了很大的發(fā)展。軟測(cè)量的原理就是根據(jù)某種最優(yōu)準(zhǔn)則，通過(guò)選擇一組與主導(dǎo)變量(被估計(jì)變量)相關(guān)的一組輔助變量，建立以輔助變量為輸入，被估計(jì)變量的最優(yōu)估計(jì)為輸出的數(shù)學(xué)模型。

在數(shù)據(jù)驅(qū)動(dòng)的軟測(cè)量建模中，需要通過(guò)訓(xùn)練樣本來(lái)發(fā)掘模型對(duì)象的過(guò)程信息。在許多情況下一個(gè)完整工業(yè)過(guò)程是由多個(gè)子階段組成的。由于各子階段的特征信息是有差別的，所以在一些樣本較少的實(shí)際情況中，有限的小樣本難以準(zhǔn)確的表征過(guò)程的整體信息，從而導(dǎo)致所建模型的預(yù)測(cè)效果會(huì)受到影響。現(xiàn)有的方法都只局限于提高樣本質(zhì)量或改進(jìn)建模方法這兩個(gè)方面，沒(méi)有從樣本數(shù)量的角度出發(fā)，來(lái)提升模型的泛化性能和預(yù)測(cè)精度。

發(fā)明內(nèi)容

在一些樣本較少的實(shí)際情況中，有限的小樣本難以準(zhǔn)確的表征過(guò)程的整體信息，從而導(dǎo)致主導(dǎo)變量估計(jì)不準(zhǔn)確的問(wèn)題，在此情況下，若對(duì)小樣本數(shù)據(jù)進(jìn)行某種選擇性的擴(kuò)充，可以使得擴(kuò)充后樣本更加全面的包含各階段的特征信息。進(jìn)一步利用重構(gòu)的建模數(shù)據(jù)集進(jìn)行建模，將會(huì)大大提高所建模型對(duì)主導(dǎo)變量的預(yù)測(cè)精度。

本發(fā)明考慮小樣本建模的情況，首先通過(guò)分析實(shí)際的工業(yè)過(guò)程，得到數(shù)據(jù)的分布特征，然后再對(duì)已有的小樣本進(jìn)行分組和輔助變量的歸一化處理，在數(shù)據(jù)信息不充足的子區(qū)間內(nèi)，利用歐氏距離和角度原則，選擇相似樣本進(jìn)行樣本擴(kuò)充，使得重構(gòu)的樣本集可以更加全面的表征模型各階段的信息，提升了所建模型的預(yù)測(cè)精度。

為了解決目前存在的由于有限的小樣本不能完整準(zhǔn)確的表征工程的整體信息從而導(dǎo)致主導(dǎo)變量估計(jì)不準(zhǔn)確的問(wèn)題，本發(fā)明提供一種基于數(shù)據(jù)分布的小樣本擴(kuò)充方法，所述技術(shù)方案如下：

步驟1：對(duì)工業(yè)過(guò)程數(shù)據(jù)進(jìn)行歸一化處理，即令x'＝(x-x_min)/(x_max-x_min)，其中x為原始訓(xùn)練樣本，x'為歸一化處理后的訓(xùn)練樣本，x_min和x_max分別為原始訓(xùn)練樣本集中的最小值與最大值，所述工業(yè)過(guò)程數(shù)據(jù)的初始樣本符合期望為μ、標(biāo)準(zhǔn)差為σ的對(duì)數(shù)正態(tài)分布；

所述工業(yè)過(guò)程數(shù)據(jù)的初始樣本數(shù)量少于50或原始訓(xùn)練樣本所包含的過(guò)程信息不完整；

步驟2：計(jì)算原始訓(xùn)練樣本中每個(gè)ln(Y_k)的值(其中k＝1,…,m)，m為原始訓(xùn)練樣本數(shù)，并找到原始訓(xùn)練樣本中主導(dǎo)變量的最大值Y_max和最小值Y_min；

所述原始訓(xùn)練樣本中包括主導(dǎo)變量和輔助變量；其中，所述主導(dǎo)變量為需要預(yù)測(cè)的變量，所述輔助變量為直接測(cè)得的變量；

步驟3：根據(jù)正態(tài)分布的3σ原則，將區(qū)間(μ-3σ,μ+3σ)作為隨機(jī)變量ln(Y)實(shí)際的取值區(qū)間，并且落在區(qū)間(μ-3σ,μ-2σ)、(μ-2σ,μ-σ)、(μ-σ,μ)、(μ,μ+σ)、(μ+σ,μ+2σ)、(μ+2σ,μ+3σ)上的概率分別為2.1％、13.6％、34.1％、34.1％、13.6％、2.1％；