[发明专利]基于稀疏检测和径向基函数插值的虚拟样本生成方法

说明书

本发明公开了一种基于稀疏检测和径向基函数插值的虚拟样本生成方法，通过在原始样本中加入虚拟样本来提高建立PTA过程预测模型的精度，从而根据预测模型减少醋酸消耗，提高PTA生产过程效益。本发明首先获取数据进行数据预处理，对样本空间进行稀疏检测，利用径向基函数插值生成虚拟样本，最终对PTA过程醋酸消耗进行GDBT建模，从而改善了PTA过程建模，提高了建模精度。本发明采用投影点最大间距法和DBSCAN聚类算法对样本空间进行稀疏检测，使用中点插值在稀疏空间生成虚拟样本输入，利用径向基函数插值生成高质量的虚拟样本，将生成的虚拟样本加入原始训练样本，从而提高了建立GDBT预测模型的精度。

技术领域

本发明涉及化工预测技术领域，尤其涉及一种基于稀疏检测和径向基函数插值的虚拟样本生成方法。

背景技术

作为典型的流程工业，石油、化工、电力等制造业一直是关乎国民经济命脉的基础产业和支柱产业，为基础设施建设、交通、能源及人们的日常生活提供了原材料的保障。如今，生产制造业的智能化发展已经受到了各国的高度重视。为了实现生产过程智能化处理、建设石化行业智能工厂的宏伟目标，我国石化企业尤其是在行业占据主导地位的大型央企和国企，亟需面对和解决将先进的信息处理技术与复杂生产过程有机深度融合的问题，提升石化行业的智能化水平。

鉴于石油化工行业有着生产规模巨大、工艺流程复杂、原料繁多等特点，仅仅依靠经验管理难以满足智能化的要求，因此要做出准确的决策和判断，更加需要构建准确且稳定的数学模型，为实施有效的过程控制和优化决策奠定基础，提升其智能化水平，从而保证石油化工生产过程安全、高效、稳定地运行。因此，面向石化工业过程领域的预测建模是非常有必要的。作为一种重要的研究手段，数学建模能够有效的描述对象之间的相关关系，对流程工业而言，常见的建模模型有机理模型(白箱模型)、数据驱动建模(黑箱模型)、混合模型(灰箱模型)等。其中数据驱动建模方法是指模型是在原始数据的基础上，通过输入输出之间潜在的关系建立预测模型。数据驱动建模无需精确的过程模型，模型的结构和参数根据测试误差最小原则得以确定。

随着计算机技术的发展，数据获取能力、计算机的计算能力和速度都得到了明显的提升，但与此同时，海量数据也涌向了各个行业，大数据又成为数据时代的焦点和热点，面对数量庞大的数据，如何运用已知或者未知的工具和模型来对其进行分析和挖掘，找到隐藏在数据背后的深层次信息、知识和规律正是大数据技术要研究的内容。但值得注意的是，虽然身处大数据时代，由于一些行业数据发生概率小、数据的获取难度大、数据获取的成本高或获取的数据有用信息有限等，都会导致可用于分析挖掘的数据数量不足，难以从中获取到足够的信息。因此“大数据，小样本”问题仍然严重。若是采用处理大数据的方法处理小样本数据，由于数据有限且分布松散，样本之间存在着信息间隔，因此不能很好的刻画出全部特征空间，若是直接采用小样本数据进行建模预测，将会产生较大的误差，甚至造成“过拟合”。因此，采用处理大数据的方法来直接对小样本数据进行建模，将会造成较大的误差甚至造成错误的预测。

在解决小样本的方法中，通过扩充样本数量并保证样本的分布性和一致性来填补小样本数据之间的信息空缺是一种有效的方法，被称为虚拟样本生成技术。虚拟样本生成技术是解决小样本问题的一种有效的方法，虚拟样本生成技术在未知样本概率分布函数的情况下，利用研究的先验理论或者假设样本空间的分布函数，通过生成合理的新数据，再将虚拟样本添加到原始小样本集中，以扩充训练样本集，从而使建立的预测模型更加精确。

发明内容

为解决现有技术存在的局限和缺陷，本发明提供一种基于稀疏检测和径向基函数插值的虚拟样本生成方法，包括获取数据，对数据进行预处理，对样本空间进行稀疏检测，根据径向基函数插值生成虚拟样本，对PTA过程醋酸消耗进行GDBT建模；

所述根据径向基函数插值生成虚拟样本的步骤包括：利用原始训练数据建立径向基函数插值模型，所述径向基函数插值模型的表达式如下：