[發明專利]基于時間差分模型的軟測量建模方法

在審

• 申請號: 201810448540.4
• 申請日: 2018-05-11
• 公開（公告）號: CN108595892A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 劉鴻斌;宋留;楊沖
• 申請（專利權）人: 南京林業大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔;徐曉鷺

本發明公開了一種基于時間差分模型的軟測量建模方法，該方法可用于存在著非線性、時滯性、時變性、多變量耦合及其他特點的復雜工業過程。首先對輸入輸出數據的時間差分進行訓練學習，得到差分重組數據作為軟測量模型的輸入進行數據預測；之后構建基于時間差分的軟測量模型對響應變量進行預測，并對模型的預測能力進行評價。通過對實際污水處理數據進行建模預測，時間差模型能夠很好地處理過程輸入輸出變量的漂移，獲得數據中隱含的變量時滯信息與動態信息，基于時間差分的軟測量模型能夠提高模型的預測與泛化能力，更加適用于復雜多變的廢水處理過程。

技術領域

本發明涉及污水處理過程中出水指標的軟測量建模方法，具體涉及一種基于時間差分的相關向量機與典型相關分析軟測量建模方法。

技術背景

不同工業對控制的態度和動機是不同的，近年來，隨著人們環保意識的增強，污水處理工業與其他重工業一樣具備高級控制。并且由于污水處理自身獨特的特征，如相較于大多數工業過程，污水處理廠的每日水質水量的波動很大；廢水必須達標處理排放，不同于其他工業生產可以“返廠”處理；由于污水中的污染物的含量可能很小，傳感器難以測量或直接測量等原因，使得污水處理過程需要采用更加復雜、更加高級的控制系統。近年來，軟測量技術已成為解決工業過程中重要變量難以實時測量的重要手段，而軟儀表的核心是軟測量建模。軟測量模型按照建模的機制可劃分為機理模型和數據驅動模型。機理模型通過分析過程的反應機理，運用物理、化學和生物等基本定理來表述過程的內部規律，建立過程模型，但即使是一般對象其反應機理都比較復雜，并且由于工況與環境的影響，導致機理模型的預測性能大大降低。數據驅動建模是通過輸入輸出數據建立與過程外特性等價的模型，因此不需要研究對象的內部規律，只需獲得足夠多的數據即可建立對象的軟測量模型。

污水處理過程是典型的非線性、大時滯的測量與控制過程，針對這個問題，大量的非線性軟測量方法應用于廢水處理領域，其中以人工神經網絡(Artificial NeuralNetwork,ANN)與支持向量機(Support Vector Machine,SVM)為建模工具的基于數據驅動的方法最為活躍。但是大多數方法在對軟測量模型的建立時，都不考慮建模數據的時滯性。實際上由于在線儀表獲得的過程變量通常隱含著較長的測量周期與分析時間，以及由于測量儀表的老化導致測量的變量數據出現漂移、偏移等問題，使得我們用來軟測量建模的數據受到影響，導致建立的模型不能準確地解釋變量的過程特性。另外對于參數模型來說，隨著時間的推移，過程變量數據會發生動態的變化，如果參數不能隨之進行相應的調整模型將不能正常地應用，但是在參數調整的過程中將會花費大量時間及降低工廠的運行效率。因此建模時分析過程變量的時滯性，對建模數據的時序進行合理的匹配，充分利用數據中的動態信息，對于模型的建立是有利的。

如何在考慮數據時滯性的前提下建立污水處理過程的軟測量模型是急需有待解決的工業問題。

發明內容

本發明針對上述現有技術存在的問題，提出一種基于時間差分的相關向量機與典型相關分析軟測量建模方法，引入時間差分(Time Difference，TD)模型用來對輸入輸出變量的漂移進行處理，利用輸入輸出數據的時間差分進行建模學習。

本發明是通過以下技術方案實現：一種基于時間差分的相關向量機與典型相關分析軟測量模型的建立，主要包括以下幾個步驟：

S1.時間差分預處理：對于輸入數據樣本進行時間差分處理，得到差分重組數據作為軟測量模型的輸入進行數據預測；

S2.建立所述差分重組數據的相關向量機與典型相關分析回歸模型；

S3.完成對軟測量模型預測能力的評估：用新的測試數據代入模型進行預測，根據輸出的預測值與真實值計算模型的均方根誤差RMSE與相關系數r。

步驟S1中，時間差分處理對輸入數據X與輸出數據Y的計算如下：