[发明专利]一种基于乙烯裂解炉运行数据的过程分析方法

权利要求书

1.一种基于乙烯裂解炉运行数据的过程分析方法，其特征在于，包括：

采用深度学习方法建立过程模型；

采用索贝尔方法分析所述过程模型的敏感性；

利用所述过程模型对获取的乙烯裂解炉运行数据进行分析，并将分析结果通过可视化方法进行显示；

将分析结果通过可视化方法进行显示，包括：

采用t分布随机相邻嵌入方法和变量随机变动方法，对所述分析结果进行可视化显示，在将分析结果进行可视化显示的过程中，原始数据空间的概率分布包括：

其中：

xi：高维数据第i个样本；

σ：标准差；

在将分析结果进行可视化显示的过程中，映射后数据空间的分布包括：

其中：

f(xi|w)：神经网络低维度投影；

α：t分布自由度；

采用深度学习方法建立过程模型，包括：

选择多个输入变量，并根据所述多个输入变量建立所述过程模型；

对存储的乙烯裂解炉运行数据进行采样，获取预采样结果；

根据所述预采样结果对所述过程模型进行训练。

2.根据权利要求1所述的基于乙烯裂解炉运行数据的过程分析方法，其特征在于，根据所述预采样结果对所述过程模型进行训练，包括：

采用无监督的预训练和监督反向传播，以避免所述深度学习中的深层网络中的梯度消失。

3.根据权利要求2所述的基于乙烯裂解炉运行数据的过程分析方法，其特征在于，分别采用受限的以玻尔兹曼机和去噪自动编码器进行所述预训练。

4.根据权利要求3所述的基于乙烯裂解炉运行数据的过程分析方法，其特征在于，所述受限的以玻尔兹曼机的可见层为实值，可见层能量函数为：

其中：

vi：可见层单元的状态向量输入；

ai：可见层单元的高斯分布均值；

σi：可见层高斯分布的标准差；

c：隐藏层单元的偏置；

h：隐藏层单元；

W：可见层和隐藏层的连接权重。

5.根据权利要求3所述的基于乙烯裂解炉运行数据的过程分析方法，其特征在于，所述去噪自动编码器的输入层的神经元的数量和输出层的神经元数量相同，以去除随机噪音。

6.根据权利要求1所述的基于乙烯裂解炉运行数据的过程分析方法，其特征在于，采用索贝尔方法分析所述过程模型的敏感性，包括：

采用Saltelli的方差近似方法分析所述过程模型的变量敏感性。