[發(fā)明專利]一種基于DAJYPLS算法的濃密機(jī)底流濃度預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910541282.9
• 申請(qǐng)日: 2019-06-21
• 公開（公告）號(hào): CN110276128B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 賈潤(rùn)達(dá);張樹磊;張衛(wèi)敏;張斌;張華魯
• 申請(qǐng)（專利權(quán)）人: 東北大學(xué)
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06Q10/04;G06Q10/0639;G06Q50/02
• 代理公司: 沈陽東大知識(shí)產(chǎn)權(quán)代理有限公司 21109
• 代理人: 李在川

1.一種基于DAJYPLS算法的濃密機(jī)底流濃度預(yù)測(cè)方法，其特征在于：包括如下步驟：

步驟1：確定建立模型所需的數(shù)據(jù)集；所述數(shù)據(jù)集包括源域數(shù)據(jù)和目標(biāo)域數(shù)據(jù)；將當(dāng)前工業(yè)現(xiàn)場(chǎng)稱為目標(biāo)域，將與當(dāng)前工業(yè)現(xiàn)場(chǎng)情況相似的已穩(wěn)定運(yùn)行一段時(shí)間的工業(yè)現(xiàn)場(chǎng)稱為源域；獲取源域與目標(biāo)域中輸出質(zhì)量指標(biāo)一致的數(shù)據(jù)作為數(shù)據(jù)集；所述輸出質(zhì)量指標(biāo)為濃密機(jī)底流濃度；

步驟1.1：在源域數(shù)據(jù)庫(kù)中篩選出與當(dāng)前工業(yè)現(xiàn)場(chǎng)情況相似的穩(wěn)定數(shù)據(jù)集作為源域數(shù)據(jù)；源域數(shù)據(jù)包括輸入矩陣輸出矩陣其中m_s，n_s分別是源域輸入、輸出矩陣的變量維度，l_s是源域樣本數(shù)量，R代表實(shí)數(shù)；

步驟1.2：在目標(biāo)域中將離線測(cè)量樣本值作為目標(biāo)域數(shù)據(jù)；目標(biāo)域數(shù)據(jù)包括輸入矩陣輸出矩陣其中m_t，n_t分別是目標(biāo)域輸入、輸出矩陣的變量維度，l_t是目標(biāo)域樣本數(shù)量；

步驟2：對(duì)源域數(shù)據(jù)中的X_s、Y_s以及目標(biāo)域數(shù)據(jù)中的X_t、Y_t進(jìn)行標(biāo)準(zhǔn)化處理，即對(duì)矩陣中的各列進(jìn)行零均值和單位方差處理；得出X_t的均值μ_xt，標(biāo)準(zhǔn)差σ_xt；Y_t的均值μ_yt，標(biāo)準(zhǔn)差σ_yt；其中，代表X_t中第k個(gè)輸入變量所對(duì)應(yīng)的均值，代表X_t中第k個(gè)輸入變量所對(duì)應(yīng)的標(biāo)準(zhǔn)差，其中k＝1,…,m_t；

步驟3：基于JYPLS算法建立DAJYPLS預(yù)測(cè)模型；

建立JYPLS預(yù)測(cè)模型：

T_s＝X_sW_s????(4)

T_t＝X_tW_t????(5)

其中，Y_J為聯(lián)合質(zhì)量指標(biāo)矩陣，為聯(lián)合質(zhì)量指標(biāo)矩陣Y_J的載荷矩陣，(*)^T代表(*)的轉(zhuǎn)置，分別為源域和目標(biāo)域輸入矩陣的得分矩陣，分別為源域和目標(biāo)域輸入矩陣的載荷矩陣,分別為源域和目標(biāo)域輸入矩陣的權(quán)值矩陣；表示Y_J的預(yù)測(cè)誤差，分別為X_s,X_t的預(yù)測(cè)誤差；其中，A是隱變量空間中變量的個(gè)數(shù)，并要求n_s＝n_t；

構(gòu)造目標(biāo)函數(shù)，求解源域和目標(biāo)域輸入矩陣的權(quán)值矩陣W_s，W_t；

目標(biāo)函數(shù)構(gòu)造如下，求解

s.t.wⁱ(wⁱ)^T＝1

其中，i＝1,…,A，μⁱ為罰因子，為源域輸入矩陣的權(quán)值向量，為目標(biāo)域輸入矩陣的權(quán)值向量；為源域得分向量，為目標(biāo)域得分向量；cov(·)表示協(xié)方差，var(·)表示方差；

結(jié)合式(4),(5),引入拉格朗日乘子λ，代入式(6)得

其中

將式(7)對(duì)wⁱ求導(dǎo)令其為零得出：

Σwⁱ＝λwⁱ????(10)

當(dāng)λ為式(10)的最大特征值時(shí)對(duì)應(yīng)的特征向量wⁱ為最優(yōu)解，將得到的wⁱ代入式(1)-(5)，求解出模型參數(shù)；這種求解模型參數(shù)的方法稱為DAJYPLS算法；

求解DAJYPLS算法中參數(shù)的具體步驟為：

步驟3.1：令i＝1；

步驟3.2：對(duì)Σ進(jìn)行奇異值分解，得到權(quán)值矩陣wⁱ；

步驟3.3：求源域和目標(biāo)域得分向量

步驟3.4：求聯(lián)合載荷向量

步驟3.5：求源域和目標(biāo)域載荷向量

步驟3.6：求殘差，

步驟3.7：若i＝A，順序執(zhí)行步驟3.8；否則i＝i+1，循環(huán)返回到步驟3.2；

步驟3.8：計(jì)算權(quán)值矩陣W_s＝W_s(P_s^TW_s)^-1，W_t＝W_t(P_t^TW_t)^-1，最終得出W_s、W_t、Q_J；

步驟4：對(duì)于目標(biāo)域給定新樣本x_new，DAJYPLS預(yù)測(cè)模型輸出濃度預(yù)測(cè)值

2.根據(jù)權(quán)利要求1所述的一種基于DAJYPLS算法的濃密機(jī)底流濃度預(yù)測(cè)方法，其特征在于：所述步驟4的具體步驟如下：

步驟4.1：對(duì)x_new進(jìn)行標(biāo)準(zhǔn)化處理

步驟4.2：計(jì)算模型輸出濃度預(yù)測(cè)值