[发明专利]基于混合高斯分布相关学习机的玻璃窑炉温度预报方法

说明书

本发明涉及一种基于混合高斯分布相关学习机的玻璃窑炉温度预报方法，属于自动控制、信息技术和先进制造领域，其特征在于，针对玻璃窑炉温度预报所具有的玻璃窑炉内部反应过程复杂、数据存在复杂非对称噪声及输入变量中包含时间序列变量等建模难题，提出一种基于混合高斯分布下鲁棒相关学习机的玻璃窑炉温度预报方法。该方法采用核函数回归模型作为预报模型结构，使用非零均值混合高斯分布作为预报模型残差项的概率密度分布，将时间序列变量并列列出作为模型的输入变量，并采用贝叶斯推断方法获得模型结构参数的近似后验概率分布，从而获得预报模型的结构参数。本发明可有效应用于玻璃窑炉池底温度的预报，以提高玻璃窑炉控制和操作优化的效果。

技术领域

本发明属于自动控制、信息技术和先进制造领域，具体涉及针对玻璃窑炉池底温度指标预报所具有的玻璃窑炉内部反应过程复杂、数据存在复杂非对称噪声以及输入变量中包含连续时间序列变量等建模难题，提出一种基于混合高斯分布相关学习机的玻璃窑炉温度预报方法。

背景技术

在玻璃窑炉生产过程的控制和优化过程中，玻璃窑炉池底温度的预报起到了关键性的指导作用。但由于实际的工业生产过程涉及复杂的物理化学过程，生产过程数据受环境和测量的影响存在强不确定性和复杂的非对称噪声，以及输入变量中包含连续时间序列变量等原因，采用传统的建模方法会出现预报精度不高、泛化能力差等问题。针对以上问题，设计和使用基于混合高斯分布下鲁棒相关学习机的玻璃窑炉池底温度预报方法是解决上述指标预报难题的有效途径之一。

发明内容

本发明提出一种基于混合高斯分布相关学习机的玻璃窑炉温度预报方法，其特征在于，所述方法是在计算机上依次按以下步骤实现的：

步骤(1)：根据对生产过程的机理分析和先验知识，从历史数据数据库中选择与待预测指标相关的变量作为模型的输入向量x∈R^d，其中d表示输入变量的个数；相对应的待预测指标作为模型的输出变量y，假设一共有N个数据，则指标预报模型的模型训练数据集可以表示为：

其中，x_n和y_n分别表示第n个训练样本的输入向量和输出值；

步骤(2)：由于往往数据中不同输入变量之间的量纲是不同的，需要先对数据进行归一化处理，即根据如下表达式将各个输入变量逐一归一化为均值为0，方差为1的形式：

其中x表示某一种输入变量，μ表示该输入变量的均值，δ表示该输入变量的标准差,x^*是该输入变量归一化以后的值；

步骤(3)：设置混合高斯分布下鲁棒相关学习机相关变量的初始值，具体包括：

a₀，b₀：模型参数先验分布的超参数；

μ₀，β₀：混合高斯分布均值向量先验分布的超参数；

c₀，d₀：混合高斯分布精准度向量先验分布的超参数；

α₀：混合高斯分布混合向量先验分布的超参数；

K：混合高斯分布的组份数；

θ：高斯核函数的参数；

tol：停止迭代的条件参数；

maxiter：最大迭代次数；