[发明专利]一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法

摘要

本发明公开了一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法，包括：S1：选择影响脱硫效率的工艺参数和脱硫单元的性能指标；S2：采集预设时间的所述工艺参数和所述性能指标的数据，剔除误差样本后形成样本集；S3：对样本集进行归一化形成归一化样本集，并从中选取训练样本和测试样本；S4：基于训练样本构建神经网络模型和初始状态变量；S5：利用MiUKFNN算法估计最优状态变量；S6：将最优状态变量作为神经网络模型的连接权值和阈值，即获得权值阈值更新后的神经网络模型；S7：得到预测结果，将预测结果与所述测试样本中的实际输出进行比较，如小于预设误差精度，神经网络模型有效；否则重复上述步骤至比较结果小于预设误差精度。

主权项

1.一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法，其特征在于，本方法包括以下步骤：步骤S1：选择影响脱硫效率的工艺参数和脱硫单元的性能指标；步骤S2：数据采集及预处理，采集预设时间的所述影响脱硫效率的工艺参数和所述脱硫单元的性能指标的数据，剔除误差样本后形成样本集[X，Y]；步骤S3：对样本集[X，Y]进行归一化，形成归一化样本集取所述归一化样本集中80％作为训练样本，剩余部分作为测试样本；步骤S4：基于所述训练样本构建神经网络模型和所述神经网络模型的初始状态变量θ_k，以及，将所述训练样本中的作为所述神经网络模型的输入，将所述训练样本中的作为所述神经网络模型的输出；所述神经网络模型为：其中，为所述训练样本的矢量样本值，并作为所述神经网络模型的输入；z_j作为所述神经网络模型的隐含层输出；y_d作为所述神经网络模型的输出层输出；w_ij为神经网络模型的输入层到隐含层的神经元的连接权值；为神经网络模型的输入层到隐含层的神经元的阈值；v_jd为所述神经网络模型的隐含层到输出层的神经元的连接权值，为所述神经网络模型的隐含层到输出层的神经元的阈值，i＝1，2，…，m；m为神经网络模型的输入层的神经元的数量，s为神经网络模型的隐含层的神经元的数量，h为神经网络模型的输出层的神经元的数量；应用于神经网络模型各层神经元的非线性激活函数为：fo(x)＝x    (4)所述初始状态变量为：步骤S5：利用MiUKFNN算法估计所述神经网络模型的最优状态变量；步骤S6：将所述最优状态变量作为所述神经网络模型的w_ij、v_jd、和对神经网络模型的公式进行更新，获得训练样本更新后的神经网络模型；步骤S7：将所述测试样本中的输入到更新后的神经网络模型，得到预测结果，将所述预测结果与所述测试样本中的实际输出进行比较，如果比较结果小于预设误差值，所构建的神经网络模型有效；否则重复上述步骤S1‑S7，直至所述比较结果小于所述预设误差值为止。