[發明專利]一種基于主成分分析的神經網絡預測方法

在審

• 申請號: 201910432048.2
• 申請日: 2019-05-22
• 公開（公告）號: CN110059824A
• 公開（公告）日: 2019-07-26
• 發明（設計）人: 張日東;歐丹林;吳勝;袁亦斌;高福榮
• 申請（專利權）人: 杭州電子科技大學;浙江邦業科技股份有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06K9/62
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 吳秉中

本發明公開了一種基于主成分分析的神經網絡預測方法，包括如下步驟：步驟1、采集過程數據和質量數據，利用主成分分析對數據進行處理；步驟2、使用步驟1中得到的數據，建立神經網絡模型，并做預測。本方法首先采集化工過程中產生的過程變量和質量變量，并利用主成分分析法對數據做預處理，降低數據維度，避免冗余，將處理好的數據輸入到徑向基神經網絡的預測模型中，求解并優化相應參數，使模型預測準確率達到預定值。不同于傳統的預測方法，本方法結合主成分分析法和徑向基神經網絡模型，減少了建模的復雜度，提高了模型的精度。

技術領域

本發明屬于自動化工業技術領域，涉及到一種基于主成分分析的神經網絡預測方法。

背景技術

隨著現代化工業過程的不斷成熟化、復雜化，越來越多的工業過程信息可以得到采集。但是，在一些化工過程中，重要的變量只能依據離線的分析值進行調節，時滯很大，使工業過程控制困難。如果這些變量不能實時得到，不僅不能保證系統的所需性能，甚至會直接影響化工裝置的生產能力及質量的穩定性。為了實時得到化工過程中難以測量的變量，達到精準控制，提出了一種基于主成分分析的神經網絡預測方法。

發明內容

本發明針對傳統算法在數據處理中存在數據冗余，建模復雜度較高且建模精度較低等問題，提出了一種基于主成分分析的神經網絡預測方法。該方法首先采集化工過程中產生的過程變量和質量變量，并利用主成分分析法對數據做預處理，降低數據維度，避免冗余，將處理好的數據輸入到徑向基神經網絡的預測模型中，求解并優化相應參數，使模型預測準確率達到預定值。不同于傳統的預測方法，本方法結合主成分分析法和徑向基神經網絡模型，減少了建模的復雜度，提高了模型的精度。

本發明的技術方案是通過數據采集、數據預處理、系統建模、優化參數等手段，確立了一種基于主成分分析的神經網絡預測方法。利用該方法提升了模型預測的準確性。

本發明的方法步驟包括：

步驟1、采集過程數據和質量數據，利用主成分分析對數據進行處理。具體步驟是：

1-1.定義標準化原始數據的第一主成分，形式如下：

t₁＝Xp₁＝[v₁ v₂...v_J]p₁且||p₁||＝1

其中，t₁是矩陣X的第一主成分，X∈R^N×J是標準化后的原始數據矩陣，N和J分別是數據樣本個數和過程數據個數，p₁是矩陣X的協方差矩陣的第一標準化特征向量，[v₁ v₂...v_J]分別是第一、第二、…、第J過程數據。

1-2.根據步驟1-1，求得t₁的方差，形式如下：

其中，和X^T分別是第一標準化特征向量的轉置和矩陣X的轉置，Var(t₁)是t₁的方差。使得t₁能攜帶最多的原變異信息，即要求t₁的方差取到最大值。

1-3.結合步驟1-1和步驟1-2，根據拉格朗日算法可以得到：

Vp₁＝λ₁p₁

Var(t₁)＝λ₁

其中，λ₁是協方差矩陣V的第一特征值也是最大特征值。

1-4.以此類推，并重復步驟1-1至1-3，可以得到