[发明专利]有机硅单体分馏过程能耗辅助预测方法及系统在审

专利信息
申请号: 202111016243.0 申请日: 2021-08-31
公开(公告)号: CN113705908A 公开(公告)日: 2021-11-26
发明(设计)人: 栾小丽;平晓静;赵顺毅;倪雨青;刘飞 申请(专利权)人: 江南大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/04;G06K9/62;G06F30/20;G06F111/10
代理公司: 苏州市中南伟业知识产权代理事务所(普通合伙) 32257 代理人: 李柏柏
地址: 214122 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 有机硅 单体 分馏 过程 能耗 辅助 预测 方法 系统
【权利要求书】:

1.一种有机硅单体分馏过程能耗辅助预测方法,其特征在于,包括:

获取有机硅分馏过程变量的运行数据,分别将其设置为辅助单元训练集、目标单元训练集和目标单元测试集,定义混合训练集,其中所述混合训练集为辅助单元训练集和目标单元训练集合并后的总样本集;

设置所述混合训练集中样本的初始权重,并设置辅助单元训练集的权重更新系数,建立目标单元能耗预测模型,对所述目标单元能耗预测模型进行迭代更新,输出多个目标单元能耗预测模型;

在多个目标单元能耗预测模型中确定能耗预测模型;

利用所述目标单元测试集对确定的能耗预测模型进行测试,得到所述测试集中的测试样本的能耗预测值,将所述测试样本的能耗预测值与所述测试样本的能耗实际值进行对比,以评估该能耗模型的性能。

2.根据权利要求1所述的有机硅单体分馏过程能耗辅助预测方法,其特征在于:设置数据质量好的提纯单元为辅助单元,样本全部为训练集包括:

所述辅助单元训练集设为Ds=(xi,yi),i=1,2,…,n,其中xi表示辅助单元能耗模型输入样本,yi表示辅助单元的能耗值,n表示辅助单元所采集样本的个数。

3.根据权利要求1所述的有机硅单体分馏过程能耗辅助预测方法,其特征在于:设置数据质量差的提纯单元为目标单元,样本分为训练集和测试集包括:

分别将所述目标单元训练集和所述目标单元测试集分别设为目标单元训练集Dt=(xj,yj),j=n+1,…,n+m和目标单元测试集Dl=(xl,yl),l=1,2,…,L,其中,xj表示目标单元能耗模型训练集的输入样本,yj表示目标单元训练集的的能耗值,m表示目标单元训练集样本的个数,xl表示目标单元测试集的输入样本,yl表示目标单元测试集的能耗值,L表示目标单元测试集样本的个数。

4.根据权利要求1所述的有机硅单体分馏过程能耗辅助预测方法,其特征在于:定义混合训练集包括:

定义混合训练集D=Ds∪Dt=(x,y),其中,x={x1,x2,…,xn,xn+1,…xn+m},y={y1,y2,…,yn,yn+1,…,yn+m}。

5.根据权利要求1所述的有机硅单体分馏过程能耗辅助预测方法,其特征在于:设置所述混合训练集中样本的初始权重包括:

设置混合训练集中样本的初始权重:

表示辅助单元训练集中样本的初始权重,表示目标单元训练集中样本的初始权重,其中λs和λt表示比例系数。

6.根据权利要求1所述的有机硅单体分馏过程能耗辅助预测方法,其特征在于:设置辅助单元训练集的权重更新系数包括:

设置辅助单元训练集的权重更新系数:

其中,K表示迭代次数。

7.根据权利要求1所述的有机硅单体分馏过程能耗辅助预测方法,其特征在于:建立目标单元能耗预测模型包括:

对所述辅助单元训练集的样本权重和目标单元训练集的样本权重进行归一化处理如下:

其中,表示辅助单元训练集第k次迭代的权重,表示目标单元训练集第k次迭代的权重;

更新所述辅助单元训练集中的样本和所述目标单元训练集中的样本,得到更新后的混合训练集的样本;

利用更新后的混合训练集的样本建立目标单元能耗预测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江南大学,未经江南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111016243.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top