[发明专利]一种加氢裂化过程的产品质量预测方法和系统

摘要

本发明提供一种加氢裂化过程的产品质量预测方法，包括：采集一个或多个查询样本，对于每一个查询样本，根据不同的相似度准则，从历史样本库中选择与该查询样本在对应相似度准则下相似度最高的多个历史样本组成局部建模样本组，根据局部建模样本组建立对应的局部加权偏最小二乘模型；将查询样本分别输入到每一个局部加权偏最小二乘模型中，获取每一个局部加权偏最小二乘模型下查询样本的产品质量的预测值；基于预测值，获取产品质量的集成预测值。本发明基于不同的相似度准则对同一查询样本建立不同的局部加权偏最小二乘模型，获取查询样本在所有相似度准则下的集成预测值，解决了单一相似度驱动即时学习方法的预测精度不足和泛化能力弱的问题。

主权项

1.一种加氢裂化过程的产品质量预测方法，其特征在于，包括：S1，获取加氢裂化过程中多个时刻的产品质量化验值，以及对应时刻的与加氢裂化过程具有高关联性的过程变量的采样数据，组成历史样本库；S2，从历史样本库中连续抽取第一预设数量的历史样本作为训练集；采集一个或多个查询样本，对于每一个查询样本，根据不同的相似度准则，从训练集中选择与该查询样本在对应相似度准则下相似度最高的多个历史样本组成局部建模样本组，根据所述局部建模样本组建立对应的局部加权偏最小二乘模型；其中，所述查询样本为加氢裂化过程中采集的用于预测当前产品质量的过程变量，所述相似度准则表示计算不同样本间相似程度的方法，包括欧氏距离、欧氏距离与角度相结合和输出相关性；S3，从历史样本库中连续抽取第三预设数量的历史样本作为验证集，将验证集中每一历史样本输入每一种相似度准则对应的局部加权偏最小二乘模型得到输出的产品质量预测值，并根据每一历史样本输出的产品质量预测值与每一历史样本对应的产品质量化验值之间的误差，设置每种相似度准则对应的集成权值，其中，所述验证集中不存在与所述训练集中重合的历史样本；具体包括：对于每一种相似度准则对应的局部加权偏最小二乘模型，输入验证集中所有历史样本中的过程变量的采样数据，每一个历史样本对应输出一个产品质量预测值；根据所述产品质量预测值与每一个历史样本对应的产品质量化验值，计算该相似度准则下所述产品质量预测值与对应的产品质量化验值间的均方根误差；根据所述均方根误差，通过如下公式计算得到每种相似度准则对应的集成权值：其中，所述RMSE_k为第k种相似度准则下预测值与对应的真实值间的均方根误差，par表示权值调节参数，γ_k表示第k种相似度准则的权值，表示所有相似度准则对应的权值的和，γ′_k表示第k种相似度准则的集成权值；S4，将所述查询样本分别输入到每一个所述局部加权偏最小二乘模型中，获取每一个所述局部加权偏最小二乘模型下查询样本的产品质量的预测值；S5，基于所述预测值，获取产品质量的集成预测值；步骤S5具体包括：根据每一种相似度准则对应的局部加权偏最小二乘模型，获取所述相似度准则的集成权值；对每一种相似度准则对应的预测值与集成权值进行加权求和，得到产品质量的集成预测值。