[發(fā)明專利]一種基于ALIESN在線學(xué)習(xí)算法的脫丁烷塔軟測量建模方法

有效

• 申請?zhí)枺?/td>: 202011402628.6
• 申請日: 2020-12-02
• 公開（公告）號: CN112364527B
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計）人: 岳文琦
• 申請（專利權(quán)）人: 岳文琦
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/08
• 代理公司: 蘭州振華專利代理有限責任公司 62102
• 代理人: 何誠慧

本發(fā)明公開一種基于ALIESN在線學(xué)習(xí)算法的脫丁烷塔軟測量建模方法。本方法對關(guān)鍵變量歸一化，得到輔助變量、主導(dǎo)變量，再進行動態(tài)建模，使僅具有靜態(tài)特性時間序列的輔助變量及主導(dǎo)變量轉(zhuǎn)化為具有動態(tài)特性的ALIESN輸入變量；然后對ALIESN輸入變量的前n個數(shù)據(jù)，采用ALIESN嶺回歸離線學(xué)習(xí)算法，進行離線訓(xùn)練學(xué)習(xí)，得到神經(jīng)網(wǎng)絡(luò)離線訓(xùn)練輸出權(quán)值；最后，將上數(shù)值作為在線學(xué)習(xí)的初始權(quán)值，以ALIESN輸入變量第n+1個數(shù)據(jù)起開始進行在線輸出權(quán)值訓(xùn)練，得到最終的網(wǎng)絡(luò)輸出權(quán)值和預(yù)測的輸出變量。本方法學(xué)習(xí)算法簡單、快速、成本低，訓(xùn)練數(shù)據(jù)少，且動態(tài)非線性系統(tǒng)逼近能力強等，網(wǎng)絡(luò)輸出權(quán)值速度快，提升丁烷含量的預(yù)測精度，適應(yīng)精細化工過程中實時學(xué)習(xí)的要求。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于增廣泄露積分回聲狀態(tài)網(wǎng)絡(luò)(ALIESN)快速在線學(xué)習(xí)算法的脫丁烷塔軟測量建模方法，屬于軟測量領(lǐng)域，具體地說是一種基于ALIESN在線學(xué)習(xí)算法的脫丁烷塔軟測量建模方法。

背景技術(shù)

化工過程中，重要變量的實時在線監(jiān)測，在產(chǎn)品質(zhì)量控制中起著極其重要的作用。但是往往這些變量在化工過程中處于高溫度、強非線性、強輻射、快速變化的環(huán)境中，無法直接、及時、準確的測量和采集，因此，軟測量技術(shù)應(yīng)用而生。

近十年以來，軟測量技術(shù)有著快速的發(fā)展，尤其是基于神經(jīng)網(wǎng)絡(luò)的軟測量建模方法，已經(jīng)被很多企業(yè)、科研機構(gòu)應(yīng)用于實際的化工過程中，取得了良好的應(yīng)用效果。但是目前已有的化工過程中基于神經(jīng)網(wǎng)絡(luò)軟測量建模方法，普遍存在算法復(fù)雜、需要較大數(shù)據(jù)集進行學(xué)習(xí)和訓(xùn)練、輸入輸出變量的采樣時間較長、學(xué)習(xí)時間長、學(xué)習(xí)成本高、無法快速實時到達較高的學(xué)習(xí)精度等問題，造成重要變量的監(jiān)測無法滿足精細化工的相關(guān)精度要求。

發(fā)明內(nèi)容

本發(fā)明的目的在于提出一種基于增廣泄露積分回聲狀態(tài)網(wǎng)絡(luò)(ALIESN)快速在線學(xué)習(xí)算法的脫丁烷塔軟測量建模方法。本方法先對采集到的關(guān)鍵變量進行歸一化預(yù)處理，得到輔助變量、主導(dǎo)變量，再對輔助變量及主導(dǎo)變量用非線性自回歸模型(NARX)進行動態(tài)建模，使僅具有靜態(tài)特性時間序列的輔助變量及主導(dǎo)變量轉(zhuǎn)化為具有動態(tài)特性的ALIESN輸入變量；然后對ALIESN輸入變量的前n個數(shù)據(jù)，采用ALIESN嶺回歸離線學(xué)習(xí)算法，進行離線訓(xùn)練學(xué)習(xí)，得到神經(jīng)網(wǎng)絡(luò)離線訓(xùn)練輸出權(quán)值；最后，將該神經(jīng)網(wǎng)絡(luò)訓(xùn)練輸出權(quán)值作為在線學(xué)習(xí)的初始權(quán)值，以ALIESN輸入變量第n+1個數(shù)據(jù)起開始進行在線輸出權(quán)值訓(xùn)練，得到最終的網(wǎng)絡(luò)輸出權(quán)值和預(yù)測的輸出變量。本方法學(xué)習(xí)算法簡單、快速、學(xué)習(xí)成本底，訓(xùn)練數(shù)據(jù)少，且動態(tài)非線性系統(tǒng)逼近能力強等，網(wǎng)絡(luò)輸出權(quán)值速度快，提升丁烷含量的預(yù)測精度，適應(yīng)精細化工過程中實時學(xué)習(xí)的要求。

為實現(xiàn)上述目的，本發(fā)明所述一種基于ALIESN在線學(xué)習(xí)算法的脫丁烷塔軟測量建模方法，包括以下步驟：

首先，將通過傳感器采集到的關(guān)鍵變量進行歸一化預(yù)處理得到輔助變量和主導(dǎo)變量，并對其采用NARX模型進行動態(tài)建模，生成具有動態(tài)特性的ALIESN輸入變量；

其次，對ALIESN輸入變量的前n個數(shù)據(jù)，采用ALIESN嶺回歸離線學(xué)習(xí)算法，進行離線訓(xùn)練學(xué)習(xí)，得到神經(jīng)網(wǎng)絡(luò)離線訓(xùn)練輸出權(quán)值；

最后，將所述神經(jīng)網(wǎng)絡(luò)離線訓(xùn)練輸出權(quán)值作為在線學(xué)習(xí)的初始權(quán)值，從ALIESN輸入變量的第n+1個數(shù)據(jù)開始進行輸出權(quán)值在線訓(xùn)練，得到最終的網(wǎng)絡(luò)輸出權(quán)值和預(yù)測的輸出變量。

所述一種基于ALIESN在線學(xué)習(xí)算法的脫丁烷塔軟測量建模方法，包括以下步驟：