[发明专利]一种炼油化工生产过程的模拟方法及系统

权利要求书

1.一种炼油化工生产过程的模拟方法，其特征在于，所述模拟方法包括如下步骤：

获取历史的炼油化工生产过程中的输入数据参数和输出结果，将历史的炼油化工生产过程中的输入数据参数作为自变量，将历史的炼油化工生产过程中的输入数据参数对应的输出结果作为因变量，建立样本数据集；

建立炼油化工生产过程模拟的神经网络模型；

利用所述样本数据集对所述神经网络模型进行训练，获得训练后的神经网络模型；

将待模拟的炼油化工生产过程中的输入数据参数输入所述训练后的神经网络模型，获得待模拟的炼油化工生产过程中的输入数据参数对应的输出结果。

2.根据权利要求1所述的炼油化工生产过程的模拟方法，其特征在于，所述获取历史的炼油化工生产过程中的输入数据参数和输出结果，建立样本数据集，之后还包括：

对所述样本数据集中的样本数据，利用公式进行Z-Score规范化处理；

其中，

A_i1、A_ij和A_iN分别为第1个数据样本、第j个样本数据和第N个数据样本中的第i个变量，X1_ij表示规范化之后的第j个样本数据中的第i个变量，X2_i表示N个样本数据中第i个变量的方差，X3_i表示N个样本数据中第i个变量的平均值；

i＝1,2,…,M，j＝1,2,…,N；N表示样本数量，M表示变量个数，第1个变量到第M-1个变量为自变量，第M个变量为因变量。

3.根据权利要求2所述的的炼油化工生产过程的模拟方法，其特征在于，所述利用所述样本数据集对所述神经网络模型进行训练，获得训练后的神经网络模型，具体包括：

将样本数据中的自变量输入所述神经网络模型，获得输出量；

计算样本数据中的因变量和所述输出量的差值作为线性网络误差；

采用Widrow-Hoff学习规则，利用公式W_i(t)＝W_i(t-1)+η*error_j*X1_ij，调整神经网络模型中的权值参数；

其中，W_i(t-1)和W_i(t)分别表示第t-1次迭代和第t次迭代调整后的第i个变量的权值，η表示学习速率，error_j表示第j个样本数据的线性网络误差；

判断迭代次数是否小于迭代次数阈值，获得判断结果；

若所述判断结果表示是，则令迭代次数的数值增加1，返回步骤“将样本数据中的自变量输入所述神经网络模型，获得输出量”；

若所述判断结果表示否，则输出训练后的神经网络模型。

4.根据权利要求2所述的的炼油化工生产过程的模拟方法，其特征在于，所述将待模拟的炼油化工生产过程中的输入数据参数输入所述训练后的神经网络模型，获得待模拟的炼油化工生产过程中的输入数据参数对应的输出结果，之后还包括：

利用公式YOUT＝y_yout*X2_M+X3_M，对待模拟的炼油化工生产过程中的输入数据参数对应的输出结果，进行反规范化处理；

其中，YOUT表示反规划后的输出结果，y_yout表示待模拟的炼油化工生产过程中的输入数据参数对应的输出结果，X2_M表示N个样本数据中第M个变量的方差，X3_M表示N个样本数据中第M个变量的平均值。