[发明专利]基于组合神经网络的工业聚丙烯生产熔融指数软测量方法

摘要

一种基于组合神经网络的工业聚丙烯生产熔融指数软测量方法，包括以下步骤：1)、以氢气浓度、丙烯单体进料量、催化剂进料量、氢气进料量、反应温度和反应压力作为软测量模型的输入变量，并以工业聚丙烯生产熔融指数作为软测量模型的输出变量；2)、对原始数据集进行标准化处理；3)、将标准化后的原始数据集分成多组，对每一组数据集分别建立神经网络模型；4)、采用岭回归方法选择组合权重；5)、将步骤3)中所建立的多个神经网络模型进行组合，建立基于组合神经网络的工业聚丙烯生产熔融指数软测量模型。本发明提高预测性能、具有较高鲁棒性。

主权项

1、一种基于组合神经网络的工业聚丙烯生产熔融指数软测量方法，其特征在于：所述软测量方法包括以下步骤：1)、以工业聚丙烯生产过程中的氢气浓度、丙烯单体进料量、催化剂进料量、氢气进料量、反应温度和反应压力作为软测量模型的输入变量，并以工业聚丙烯生产熔融指数作为软测量模型的输出变量；2)、从工业聚丙烯生产过程的DCS中采集数据，以及通过熔融指数仪得到工业聚丙烯生产熔融指数的人工分析值，整理后得到原始数据集，对原始数据集进行标准化处理；3)、将标准化后的原始数据集分成多组，对每一组数据集分别建立神经网络模型；4)、采用岭回归方法选择组合权重，具体算式为(1)：θ^=(YpreTYpre+kI)-1YpreTyexp+]]>[1-a(YpreTYpre+kI)-1YpreTyexp][a(YpreTYpre+kI)-1aT]-1(YpreTYpre+kI)-1aT---(1)]]>其中，是组合权重向量；Y_pre是n个单一神经网络中得到的预测输出矩阵；k是一个正常数，由岭迹法计算得到；I是n维的单位矩阵；y_exp是软测量模型的期望输出向量；a是为分量全为1的n维行向量；5)、将步骤3)中所建立的多个神经网络模型进行组合，具体算式为(2)：Y=f(X)=Σi=1nθifi(xi)---(2)]]>其中X为神经网络的输入数据矩阵，为组合神经网络预测模型，n为用于组合的单一神经网络数目，X＝[x₁ x₂…x_n]，其中第i个单一神经网络模型的输入数据矩阵为x_i，为第i个单一神经网络预测模型，θ_i为第i个单一神经网络模型的组合权重；建立基于组合神经网络的工业聚丙烯生产熔融指数软测量模型。