[發(fā)明專利]一種蒸汽熱裂解過(guò)程的預(yù)測(cè)方法有效
| 申請(qǐng)?zhí)枺?/td> | 202110254597.2 | 申請(qǐng)日: | 2021-03-09 |
| 公開(kāi)(公告)號(hào): | CN113035287B | 公開(kāi)(公告)日: | 2022-11-04 |
| 發(fā)明(設(shè)計(jì))人: | 邱彤;畢可鑫;趙祺銘;張書(shū)源 | 申請(qǐng)(專利權(quán))人: | 清華大學(xué) |
| 主分類號(hào): | G16C20/10 | 分類號(hào): | G16C20/10 |
| 代理公司: | 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201 | 代理人: | 羅文群 |
| 地址: | 100084*** | 國(guó)省代碼: | 北京;11 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 蒸汽 裂解 過(guò)程 預(yù)測(cè) 方法 | ||
1.一種蒸汽熱裂解過(guò)程的預(yù)測(cè)方法,其特征在于該方法包括以下步驟:
(1)設(shè)定蒸汽熱裂解產(chǎn)物的種類i和蒸汽熱裂解產(chǎn)物的含量wi為因變量Y,其中wi為第i產(chǎn)物的含量,設(shè)定蒸汽熱裂解原料的物理性質(zhì)和生產(chǎn)操作條件為自變量X;
(2)從歷史記錄中獲取蒸汽熱裂解過(guò)程中的自變量X和因變量Y,自變量X共有P種,因變量Y共有I種,每種有n組數(shù)據(jù),對(duì)P+I種、n組數(shù)據(jù)進(jìn)行預(yù)處理;
(3)根據(jù)步驟(2)的自變量X中的n組數(shù)據(jù),分別建立關(guān)于自變量X的多個(gè)基函數(shù)g(X),記多個(gè)基函數(shù)g(X)的集合為C1;
對(duì)于每個(gè)自變量Xj,將自變量的所有n組數(shù)據(jù)作為結(jié)點(diǎn)建立基函數(shù),與數(shù)據(jù)相應(yīng)的基函數(shù)g(Xp)具體表達(dá)式如下:
其中,p為自變量X的種類,t是n組數(shù)據(jù)中的自變量取值,基函數(shù)g(Xp)相對(duì)于取值t成對(duì)出現(xiàn),以和表示,
對(duì)自變量X中的所有數(shù)據(jù)取基函數(shù)后,得到基函數(shù)集合C1,其中n為數(shù)據(jù)的個(gè)數(shù),p為自變量X的種類,p=1,2……P;
(4)采用多元自適應(yīng)樣條回歸模型,利用步驟(3)的基函數(shù)集合C1對(duì)多元自適應(yīng)樣條回歸模型進(jìn)行訓(xùn)練,得到一個(gè)用于預(yù)測(cè)因變量Y的多元自適應(yīng)樣條回歸模型,包括以下步驟:
(4-1)設(shè)定一個(gè)多元自適應(yīng)樣條回歸模型的升冪次數(shù)k;
(4-2)根據(jù)步驟(3)的基函數(shù)集合C1中的基函數(shù),將和作為自變量,對(duì)因變量Y進(jìn)行向前逐步回歸,得到一個(gè)基于一次基函數(shù)的回歸模型,其過(guò)程如下:
(4-2-1)建立每個(gè)基函數(shù)g(Xp)與因變量Y的第一一次回歸方程,即Y=βtpg(Xp)+β0,其中,g(Xp)為自變量X在種類p上的取值t的基函數(shù),βtp為基函數(shù)g(Xp)的回歸系數(shù),該回歸系數(shù)由最小二乘法計(jì)算公式確定,為βtp=(g(Xp)Tg(Xp))-1g(Xp)TY,其中上標(biāo)T為矩陣轉(zhuǎn)置,β0為第一一次回歸方程的常數(shù)項(xiàng);分別計(jì)算以上每個(gè)第一一次回歸方程的F統(tǒng)計(jì)量,計(jì)算公式為其中n為數(shù)據(jù)集中數(shù)據(jù)的個(gè)數(shù),m為方程Y=βtpgt(Xp)+β0中自變量X的維度,SSR為剩余平方和,SSR的計(jì)算公式為其中是因變量Y的估計(jì)值,是Y的平均值,SSE為回歸平均值,SSE的計(jì)算公式為上標(biāo)T為矩陣轉(zhuǎn)置,從以上多個(gè)第一一次回歸方程的F統(tǒng)計(jì)量中選出最大的F統(tǒng)計(jì)量值,記為k為與最大F統(tǒng)計(jì)量相對(duì)應(yīng)的第k個(gè)回歸方程;設(shè)F統(tǒng)計(jì)量的顯著性臨界值為α,對(duì)F統(tǒng)計(jì)量的最大值進(jìn)行判斷,若則停止篩選,進(jìn)行步驟(4-3),若則將與相對(duì)應(yīng)的基函數(shù)放入一個(gè)基函數(shù)集中,記該基函數(shù)集為進(jìn)行步驟(4-2-2),其中Fα為與臨界值α相對(duì)應(yīng)的F分布值,通過(guò)查詢F分布值表得到,n為數(shù)據(jù)集中數(shù)據(jù)的個(gè)數(shù);
(4-2-2)分別將集合C1中剩余的每個(gè)基函數(shù)與基函數(shù)集中的基函數(shù)組合,建立多個(gè)第二一次回歸方程,計(jì)算每個(gè)第二一次回歸方程的F統(tǒng)計(jì)量,計(jì)算公式同步驟(4-2-1),將多個(gè)F統(tǒng)計(jì)量中的最大值記為對(duì)進(jìn)行判斷,若則停止篩選,進(jìn)行步驟(4-3),若則將F統(tǒng)計(jì)值最大的第二一次回歸方程中的基函數(shù)放入基函數(shù)集,記該基函數(shù)集為其中Fα為與臨界值α對(duì)應(yīng)的F分布值,n為數(shù)據(jù)集中數(shù)據(jù)的個(gè)數(shù),進(jìn)行步驟(4-2-3);
(4-2-3)設(shè)定第一一次回歸方程的F統(tǒng)計(jì)量的閾值重復(fù)步驟(4-2-2),直到其中q為基函數(shù)集合C1中的基函數(shù)個(gè)數(shù),n為數(shù)據(jù)集中數(shù)據(jù)的個(gè)數(shù),得到一個(gè)基于一次基函數(shù)的向前回歸模型其中X是自變量的所有數(shù)據(jù),M是該模型中選定的基函數(shù)的總數(shù),是該模型中的基函數(shù),βm是基函數(shù)的回歸系數(shù),β0是一次基函數(shù)的向前回歸模型中的常數(shù)項(xiàng);并將的集合記為該基函數(shù)集中共有q個(gè)函數(shù);
(4-3)對(duì)步驟(4-2)的一次基函數(shù)的向前回歸模型進(jìn)行向后刪減過(guò)程,得到基于一次基函數(shù)的向后回歸模型,具體過(guò)程如下:
(4-3-1)計(jì)算步驟(4-2)中一次基函數(shù)的向前回歸模型的廣義交叉驗(yàn)證函數(shù)GCV的值,記為GCVq,計(jì)算公式為其中wiz為蒸汽熱裂解產(chǎn)物種類i在數(shù)據(jù)z中的含量;fiz(Xp)是一次基函數(shù)的向前回歸模型在數(shù)據(jù)z上的預(yù)測(cè)值,n是數(shù)據(jù)集中數(shù)據(jù)的個(gè)數(shù);G是有效參數(shù)的個(gè)數(shù),G=2q+1;
(4-3-2)從步驟(4-2)的一次基函數(shù)的向前回歸模型的q個(gè)基函數(shù)中,任意刪除一個(gè)基函數(shù),得到q個(gè)包含q-1個(gè)基函數(shù)的一次基函數(shù)的向后回歸模型,分別計(jì)算該q個(gè)模型的廣義交叉驗(yàn)證函數(shù)GCV的值,記其中的最小值為GCVq-1,對(duì)該GCVq-1進(jìn)行判斷,若GCVq-1GCVq,則判定本回歸模型為更優(yōu),并記相應(yīng)的基函數(shù)集為相應(yīng)的一次基函數(shù)的向后回歸模型為f11(X);
(4-3-3)重復(fù)步驟(4-3-2),直至GCV的值不再減小,即GCVq-1GCVq,記此時(shí)的基函數(shù)集為h1(X),得到一次基函數(shù)的多元自適應(yīng)樣條回歸模型為f1(X);
(4-4)對(duì)步驟(4-3-3)的基函數(shù)集h1(X)進(jìn)行升冪次迭代,即,將基函數(shù)集合h1(X)中的所有項(xiàng)與步驟(3)的集合C1中的所有基函數(shù)g(Xp)相乘,得到一個(gè)基函數(shù)集合C2,將基函數(shù)集合C2中的基函數(shù)作為新的基函數(shù),重復(fù)步驟(4-2)和步驟(4-3),得到基函數(shù)集h2(X),得到二次基函數(shù)的多元自適應(yīng)樣條回歸模型f2(X);
(4-5)設(shè)定一個(gè)廣義交叉驗(yàn)證函數(shù)GCV的閾值,重復(fù)步驟(4-4)的升冪次過(guò)程,若多元自適應(yīng)樣條回歸模型的相應(yīng)GCV達(dá)到閾值,或多元自適應(yīng)樣條回歸模型的升冪次數(shù)達(dá)到步驟(4-1)設(shè)定的升冪次數(shù),則確認(rèn)所述的多元自適應(yīng)樣條回歸模型為用于預(yù)測(cè)因變量Y的多元自適應(yīng)樣條回歸模型;
(5)實(shí)時(shí)獲取蒸汽熱裂解過(guò)程中的自變量X,將該自變量X輸入步驟(4)的多元自適應(yīng)樣條回歸模型中,輸出得到蒸汽熱裂解過(guò)程的因變量預(yù)測(cè)值,實(shí)現(xiàn)蒸汽熱裂解過(guò)程的預(yù)測(cè)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于清華大學(xué),未經(jīng)清華大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110254597.2/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法、程序以及記錄介質(zhì)
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 基于時(shí)間序列預(yù)測(cè)模型適用性量化的預(yù)測(cè)模型選擇方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 分類預(yù)測(cè)方法及裝置、預(yù)測(cè)模型訓(xùn)練方法及裝置
- 幀內(nèi)預(yù)測(cè)的方法及裝置
- 圖像預(yù)測(cè)方法及裝置、電子設(shè)備和存儲(chǔ)介質(zhì)
- 文本預(yù)測(cè)方法、裝置以及電子設(shè)備
- 模型融合方法、預(yù)測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)





