[发明专利]RNA遗传算法的超临界水氧化反应动力学模型参数估计方法

说明书

技术领域

本发明涉及一种RNA遗传算法的超临界水氧化反应动力学模型参数估计方法。

背景技术

超临界水氧化(SCWO)技术是一种新兴的有机废水处理技术。现代废水处理要求采用更为精确的数学模型来描述这一过程。解决超临界水氧化反应的建模和控制问题，具有重要理论意义和实用价值。而要对超临界水氧化反应建立可靠的模型，首要解决的是模型中的参数估计问题。参数估计问题本质上也属于优化问题。许多研究者采用一些传统的优化方法，如Levenberg-Marquardt，Gauss-Newton等方法来解决这一问题。但是这些确定性的优化算法经常在搜索的过程中陷入局部极小点，无法取得满意的效果。遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种全局优化搜索方法。它能解决传统优化方法难以解决的复杂优化问题，在复杂空间内进行有效的搜索，并具有很好的鲁棒性与适应性，是一种有效的优化策略。但常规的遗传算法易出现早熟收敛或求解时间过长，难以找到全局最优解等缺点。

发明内容

本发明的目的在于针对现有技术的不足，提供一种RNA遗传算法的超临界水氧化反应动力学模型参数估计方法。

RNA遗传算法的超临界水氧化反应动力学模型参数估计方法的步骤如下：

1)通过现场操作或实验获得超临界水氧化反应过程的实际输入采样数据、输出采样数据，对于同一组采样输入数据，将动力学模型的估计输出与实际输出的相对误差绝对值之和作为RNA遗传算法寻优搜索时的目标函数；

2)设定如下RNA遗传算法运行参数：种群规模N、最大进化代数MaxGen、被估计参数的取值范围、参数编码长度l、置换交叉概率P_c1、换位交叉概率P_c2、转位交叉概率P_c3、阈值常数ξ；

3)设定RNA遗传算法的终止准则：RNA遗传算法运行代数达到最大进化代数；

4)运行RNA遗传算法，对动力学模型中的指前因子A、反应活化能E_a、2-氯苯酚反应级数a、氧气反应级数b和水反应级数c五个未知参数进行估计，通过最小化目标函数，获得未知参数的估计值，将估计值代入动力学模型中，获得超临界水氧化反应动力学模型。

所述的步骤4)为：

1)随机产生N个长度为L＝n×l的个体，组成初始种群，其中n为动力学模型中未知参数的个数，l为每个未知参数的编码长度，采用RNA碱基编码方式，并且将四种碱基转换成0、1、2、3的四进制编码；

2)计算种群中每个个体的适应度值，并按照适应度值的大小对种群进行划分，适应度值大的N/2个体组成优势群体，适应度值小的N/2个体构成劣势群体；

3)对优势群体依次按概率执行交叉操作形成新的父代个体；

4)将步骤3)形成的新的个体加入到劣势群体中，作为变异操作的父代个体；

5)在父代个体中，任选两个个体，计算个体相似度，如果个体相似度满足Similar(x_i，x_j)≤ξ，则执行框架变异操作，产生新的子代个体，否则，重复步骤5)，直至3N/2次相似度判断结束；

6)使用比例选择方法选择N个个体构成新的种群；

7)如果满足终止准则，则算法结束，否则，重复步骤3)至步骤6)。

所述的步骤6)为：在每一代进化过程中，当执行完变异操作后，在总数为3N/2的种群中，按适应度值从大到小进行个体排序，选择前N/2序列和适应度值最小的后N/2序列，按照比例选择操作复制种群，直至产生含有N个RNA序列的新种群。

所述的步骤3)为：

a)在整个种群中，按照适应度值的大小将种群中个体划归为优势群体和劣势群体两类，每一类具有个体数均为N/2；

b)在优势群体中，以概率1执行置换交叉操作，在当前个体的编码序列中随机选取一段作为子序列，将该段子序列用另一随机选取的个体中长度相等的子序列来替代，从而生成一个新的RNA序列；

c)在优势群体中，以概率0.5执行转位交叉操作，选择要执行转位交叉操作的个体，在个体上随机选取一段子序列和一个插入点，将子序列插入到新的插入点，形成一个新的个体；

d)若转位交叉未被执行，则执行换位交叉操作，将当前RNA序列分成长度相等的两部分，在每一部分中随机选择一段等长度的子序列，并交换两段子序列的位置，从而形成一个新的RNA序列；

e)重复步骤a)至步骤d)，直至产生的新个体的数目为N。

所述的步骤5)中相似度判断方法为：