[发明专利]高密度聚乙烯串级聚合反应过程智能检测与收率优化方法

权利要求书

1.一种用于高密度聚乙烯（HDPE）串级聚合反应的智能检测与收率优化方法，其特征在于，所述方法包括：数据预处理过程、样本选取过程、个体神经网络建模过程、和基于可拓聚类的个体神经网络集成过程，其中：

所述数据预处理过程为：对现场采集的HDPE聚合反应数据中存在的缺失数据、异常数据和噪声数据进行处理，并将所处理后的数据作为二反应器熔融指数模型和聚乙烯产品单耗模型的训练数据；

所述的样本选取过程为：将数据预处理后的训练数据分为用于个体神经网络建模的训练样本和用于神经网络集成的验证样本，并对所划分的训练样本采用Bootstrap方法进行重复抽样，获得带有差异度的个体神经网络的训练样本；

所述的个体神经网络建模过程为：采用极限学习机（ELM）算法快速完成个体神经网络的训练；其中，在ELM建模过程中，通过设置个体神经网络的训练标准，以减少随机选取的输入层权值所带来的训练误差；

所述的个体神经网络集成过程为：采用可拓聚类算法对个体神经网络的输出进行聚类，并将聚类后获得的差异度较大的个体神经网络进行集成以作为基于ELM神经网络集成（ELM-E）模型的最终输出。

2.根据权利要求1所述的方法，其特征在于所述数据预处理过程具体包括：对所述缺失数据进行补充、对所述异常数据进行修正、以及对所述噪声数据进行滤波，之后采用固定均值算法进行数据融合，进而生成包含14组采样值和2组分析值在内的输出值v_i(n)，（i＝1,2,...,16），最终得出所述二反应器熔融指数模型的训练数据为：

Ω₁{X,Y}={(X_n,Y_n)|n=1,2...,N;Y_n=[y_n1]^T=[v₁₅(n)]^T;X_n=[x_n1,x_n2,...,x_n,14]^T

=[v₁(n),v₂(n),v₃(n),v₄(n),v₅(n),v₆(n),v₇(n),v₈(n),v₉(n),v₁₀(n),v₁₁(n),v₁₂(n),v₁₃(n),v₁₄(n)]^T}

；

所述聚乙烯产品单耗模型的训练数据为：

其中，n为采样时刻。