[發(fā)明專利]群智尋優(yōu)神經(jīng)網(wǎng)絡的丙烯聚合生產(chǎn)過程最優(yōu)在線預報系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201811628022.7
• 申請日: 2018-12-28
• 公開（公告）號: CN109711629A
• 公開（公告）日: 2019-05-03
• 發(fā)明（設計）人: 張澤銀;黃國權(quán);劉興高
• 申請（專利權(quán)）人: 浙江大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/04;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

1.一種群智尋優(yōu)神經(jīng)網(wǎng)絡的丙烯聚合生產(chǎn)過程最優(yōu)在線預報系統(tǒng)，其特征在于：包括數(shù)據(jù)預處理模塊、PCA主成分分析模塊、卷積神經(jīng)網(wǎng)絡模型模塊、群智優(yōu)化模塊、模型更新模塊。

2.根據(jù)權(quán)利要求1所述群智尋優(yōu)神經(jīng)網(wǎng)絡的丙烯聚合生產(chǎn)過程最優(yōu)在線預報系統(tǒng)，其特征在于：所述數(shù)據(jù)預處理模塊，用于將從DCS數(shù)據(jù)庫輸入的模型輸入變量進行預處理，對輸入變量中心化，即減去變量的平均值；再進行歸一化處理，即除以變量值的變化區(qū)間。

3.根據(jù)權(quán)利要求1所述群智尋優(yōu)神經(jīng)網(wǎng)絡的丙烯聚合生產(chǎn)過程最優(yōu)在線預報系統(tǒng)，其特征在于：所述PCA主成分分析模塊，用于將輸入變量預白化處理及變量去相關，通過對輸入變量施加一個線性變換實現(xiàn)，即主成分由C＝MU得到，其中M為輸入變量，C為主成分得分矩陣，U為載荷矩陣。若對原始數(shù)據(jù)進行重構(gòu)，可由M＝CU^T計算，其中上標T表示矩陣的轉(zhuǎn)置。當選取的主成分數(shù)目小于輸入變量的變量個數(shù)時，M＝CU^T+E，其中E為殘差矩陣。

4.根據(jù)權(quán)利要求1所述群智尋優(yōu)神經(jīng)網(wǎng)絡的丙烯聚合生產(chǎn)過程最優(yōu)在線預報系統(tǒng)，其特征在于：所述卷積神經(jīng)網(wǎng)絡模塊，卷積神經(jīng)網(wǎng)絡對每一層感受野中元素采用固定的卷積操作模式，從而實現(xiàn)局部連接以及不同卷積核間的權(quán)值共享，具有平移不變性。整個模型的目的是根據(jù)樣本集和先驗知識設計一個系統(tǒng)，使系統(tǒng)對新數(shù)據(jù)能預測輸出。整個模塊的設計包括：

(1)構(gòu)造輸入樣本，在某t時刻，取時間間隔q，將每個時刻的輸入向量依次排列得到輸入樣本二維向量矩陣為：

(2)對輸入樣本進行卷積操作：

W′_t,q＝f(W_t,q×k+b) (2)

式中，k是卷積核參數(shù)，b是偏置參數(shù)，f(·)是卷積操作

(3)將W′_t,q展開成一維向量W″_t,q，p_i是權(quán)重參數(shù)，計算輸出結(jié)果

5.根據(jù)權(quán)利要求1所述群智尋優(yōu)神經(jīng)網(wǎng)絡的丙烯聚合生產(chǎn)過程最優(yōu)在線預報系統(tǒng)，其特征在于：所述群智優(yōu)化模塊，用于采用基于群智算法的優(yōu)化模塊對神經(jīng)網(wǎng)絡進行優(yōu)化，包括：

5.1)算法初始化，根據(jù)待優(yōu)化的卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)構(gòu)造出初始的解集S＝(s₁,s₂,…,s_n)，n為初始解的個數(shù)，s_n為第n個初始解。確定蟻群的大小m，設置蟻群尋優(yōu)算法迭代次數(shù)的閾值MaxGen并初始化蟻群尋優(yōu)的迭代次數(shù)序號gen＝0。

5.2)計算出解集S對應的適應度值F_i(i＝1,2,…,n)，適應度值越大代表解越好；再根據(jù)下式確定解集中每個解被取到作為螞蟻尋優(yōu)的初始解的概率P_i(i＝1,2,…,n)

n為初始解的個數(shù)，s_n為第n個初始解，k為迭代次數(shù)。初始化執(zhí)行尋優(yōu)算法的螞蟻編號a＝0。

5.3)螞蟻a選取S中的一個解作為尋優(yōu)的初始解，選取規(guī)則是根據(jù)P來做輪盤選。

5.4)螞蟻a在選取的初始解的基礎上進行尋優(yōu)，找到更好的解s_a'。

5.5)如果a<m，則a＝a+1，返回步驟5.3；否則繼續(xù)向下執(zhí)行步驟5.6。

5.6)如果gen<MaxGen，則gen＝gen+1，使用步驟5.4中所有螞蟻得到的更好的解取代S中的對應解，返回步驟5.2；否則向下執(zhí)行步驟5.7。

5.7)計算出解集S對應的適應度值F_a(a＝1,2,…,n)，選取適應度值最大的解作為算法的最優(yōu)解，結(jié)束算法并返回。

6.根據(jù)權(quán)利要求1所述群智尋優(yōu)神經(jīng)網(wǎng)絡的丙烯聚合生產(chǎn)過程最優(yōu)在線預報系統(tǒng)，其特征在于：所述模型更新模塊，用于模型的在線更新，定期將離線化驗數(shù)據(jù)輸入到訓練集中，更新神經(jīng)網(wǎng)絡模型。