[发明专利]一种基于稀疏最小二乘支持向量机的4‑CBA含量的软测量方法

摘要

本发明公开了一种基于稀疏最小二乘支持向量机的4‑CBA含量软测量方法，该方法选择PX氧化过程有关过程变量作为模型的输入,要预测的4‑CBA含量作为模型的输出,选取历史运行数据作为初始训练样本；采用遗传算法对最小二乘支持向量机模型进行稀疏化和参数优化，定义了包括稀疏率、训练误差及测试误差在内的适应度函数，取适应度最小的个体对应的保留的训练样本及优化参数建立最小二乘支持向量机模型。本发明提出的稀疏最小二乘支持向量机软测量方法能同时实现稀疏化和参数优化，能极大地减小最小二乘支持向量机模型的规模，同时能实现对4‑CBA含量的精确预测。

主权项

一种基于稀疏最小二乘支持向量机的4‑CBA含量的软测量方法，其特征在于，包括如下步骤：1)、选择PX氧化过程中的氧化反应器物料进料流量，催化剂浓度，氧化反应器液位，氧化反应器温度，氧化反应器尾氧含量，第三冷凝器排出水量，第一结晶器温度，第一结晶器尾氧含量，反应生成的CO2含量，反应生成的CO含量共10个过程变量作为软测量模型的输入变量；输出量为4‑CBA的含量；采集N组输入变量所对应的历史运行数据和4‑CBA的含量的分析数据作为初始训练样本；2)、给每个初始的训练样本提供一个需要优化的概率变量，该变量的取值区间为[0,1]，概率变量总个数为初始训练样本的总个数N；3)、对N个概率变量和最小二乘支持向量机中的参数采用实数编码方法进行编码：对于概率变量在区间[0,1]内随机选取一个值，对于最小二乘支持向量机的参数在区间[0.01,1000]内随机取值；4)、对N个概率变量的值与0.5进行比较，如果某个概率小于0.5，则对应的样本作为测试样本，概率大于或等于0.5的样本作为保留的训练样本；5)、定义包括稀疏率、保留的训练样本误差及测试误差在内的适应度函数：其中，N为初始训练样本总数，M为稀疏后保留的训练样本数，yi为保留的训练样本的输出值，为为保留的训练样本的估计值，yj为测试样本的输出值，为测试样本的估计值；6)采用遗传算法对N个概率变量和最小二乘支持向量机的参数进行整体优化，取适应度最小的个体对应的保留的训练样本及优化参数建立最小二乘支持向量机模型。