[发明专利]一种压缩因子计算方法在审
申请号: | 201910802928.4 | 申请日: | 2019-08-28 |
公开(公告)号: | CN110516794A | 公开(公告)日: | 2019-11-29 |
发明(设计)人: | 李世阳;林銮;孙思皓 | 申请(专利权)人: | 上海交通大学 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06N3/08 |
代理公司: | 31220 上海旭诚知识产权代理有限公司 | 代理人: | 郑立<国际申请>=<国际公布>=<进入国 |
地址: | 200240 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 样本 训练集 流量计 非线性运算 嵌入式系统 测试数据 局部误差 模型计算 实时计算 网络训练 压力数据 压缩因子 优化训练 运算需求 测试集 低功耗 样本集 分界线 放入 预测 应用 优化 分析 | ||
1.一种压缩因子计算方法,其特征在于,包括训练阶段和测试阶段。
2.如权利要求1所述的压缩因子计算方法,其特征在于,所述训练阶段包括以下步骤:
S1,利用AGA8号报告获得1200组不同气体组分、不同工作温度和不同工作压力的压缩因子数据;
S2,计算训练样本的混合气体临界压力与临界温度;
S3,计算训练样本的混合气体拟对比压力与拟对比温度;
S4,将Ppr与Tpr以式(5)为分界线划分成两部分;
Ppr=-18.2882Tpr3+32.3514Tpr2-14.9162Tpr+2.0352 (5)
S5,建立GMDH网络输出输入的关系式;
S6,将式作为目标函数,分别训练已被划分的两部分;
S7,训练得到两个GMDH网络,利用AICc优化网络模型;
AICc=(2k-2L)/n+2k(k+1)/(n-k-1) (8)
其中k代表模型参数数量,L代表对数似然值,n代表网络节点数。
S8,训练完成。
3.如权利要求2所述的压缩因子计算方法,其特征在于,所述压缩因子数据,其中70%作为训练样本,30%作为测试样本。
4.如权利要求2所述的压缩因子计算方法,其特征在于,所述混合气体临界压力与临界温度的计算公式为;
其中xi为气体摩尔组分,Pci与Tci分别为对应的纯气体临界压力与临界温度。
5.如权利要求2所述的压缩因子计算方法,其特征在于,所述混合气体拟对比压力与拟对比温度的计算公式为;Tpr=T/Tc,Ppr=P/Pc;其中Pc与Tc分别为混合气体的临界压力与临界温度,T与P分别为管道内气体的工作温度与工作压力(绝压),Ppr与Tpr分别为混合气体的拟对比压力与拟对比温度。
6.如权利要求2所述的压缩因子计算方法,其特征在于,所述GMDH网络输出输入的关系式为Z(x,y)=ax,yx2+bx,yxy+cx,yy2+dx,yx+ex,yy+fx,y,其中x和y代表网络节点输入,Z代表网络节点输出,ax,y,...,fx,y代表多项式系数。
7.如权利要求1所述的压缩因子计算方法,其特征在于,所述测试阶段包括计算测试样本的Ppr与Tpr。
8.如权利要求7所述的压缩因子计算方法,其特征在于,所述测试阶段还包括将测试样本划分Ppr与Tpr成两部分。
9.如权利要求7所述的压缩因子计算方法,其特征在于,所述测试阶段还包括将划分后的测试样本Ppr传入对应部分进行测试,得到对应的Ppr压缩因子估计值。
10.如权利要求7所述的压缩因子计算方法,其特征在于,所述测试阶段还包括将划分后的测试样本Tpr传入对应部分进行测试,得到对应的Tpr压缩因子估计值。
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上海交通大学,未经上海交通大学许可,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/201910802928.4/1.html,转载请声明来源钻瓜专利网。