[发明专利]kbAFSA的超临界水氧化反应动力学模型参数估计方法

权利要求书

1.一种kbAFSA的超临界水氧化反应动力学模型参数估计方法，其特征在于，包括如下步骤：

1)通过现场操作或者实验获得超临界水氧化反应过程的实际输入采样数据、输出采样数据，对于同一组采样数据，将过程动力学模型的估计输出与过程实际输出的相对误差绝对值之和作为人工鱼群算法寻优搜索的目标函数；

2)构建kbAFSA的超临界水氧化反应动力学模型参数估计方法；

3)设置kbAFSA的运行参数，包括人工鱼群规模N、最大尝试次数T_n、拥挤度因子δ，最大迭代次数G_max和算法终止规则；

4)运行kbAFSA对过程动力学模型中的指前因子A、反应活化能E_a、2-氯苯酚反应级数a、氧化反应级数b和水反应级数c五个未知参数进行估计，通过最小化目标函数，获得未知参数的估计值，将估计值代入过程动力学模型，获得超临界水氧化反应动力学模型；

所述的步骤4)中运行kbAFSA的具体步骤为：

2.1)在参数寻优空间内随机生成N行5列的初始鱼群矩阵，每一行为一条人工鱼的位置，表示一组超临界水氧化反应动力学模型参数的可能解；

2.2)计算人工鱼群中每一条人工鱼的适应度值，并将人工鱼群最优个体记录到公告板；

2.3)计算人工鱼群中每一条人工鱼的视野，并对人工鱼进行行为选择；

2.4)执行追尾行为，如果人工鱼视野内最优伙伴的适应度值更优且周围拥挤程度低于阈值，则向最优伙伴前进一步，否则转向步骤2.6)；

2.5)执行聚群行为，如果人工鱼视野内伙伴中心的适应度值更优且周围拥挤程度低于阈值，则向伙伴中心前进一步，否则转向步骤2.6)；

2.6)执行觅食行为，如果当前尝试次数不超过最大尝试次数T_n，人工鱼在视野内尝试搜索适应度值更优的状态，否则转向步骤2.7)；

2.7)执行随机行为，人工鱼在视野内随机移动到下一位置；

2.8)比较人工鱼执行追尾行为和聚群行为后的状态，选择适应度值最优的状态作为人工鱼的下一状态；

2.9)更新当前人工鱼群的状态，记录人工鱼群最优解并更新公告板；

2.10)重复执行算法步骤2.3)至步骤2.9)，直到满足算法终止规则；

2.11)将公告板中记录的最优解作为超临界水氧化反应动力学模型的参数估计值；

所述步骤2.3)中的人工鱼视野为：

X_i是第i条人工鱼的当前位置，visual_i为X_i的视野；N为人工鱼群总个体数，||X_i-X_j||为X_i和其它人工鱼的欧式距离；

所述步骤2.4)中追尾行为的具体步骤为：

a)搜索人工鱼X_i的视野内伙伴数为n_f，最优伙伴位置为X_j，X_j的适应度值为Y_j；

b)如果Y_j·n_f＜Y_i·δ，人工鱼按照融合磷虾行为的追尾公式更新位置为：

其中，X_inext是第i条人工鱼执行追尾行为后的位置，X_i是第i条人工鱼的当前位置，Y_i为X_i的适应度值；Y_best为人工鱼群最优个体适应度值，Y_worst为最差个体适应度值；X_j为人工鱼X_i视野visual_i内最优人工鱼的位置，Y_j为X_j的适应度值；||X_j-X_i||为X_i和其视野内最优伙伴X_j之间的欧式距离；rand是0到1之间的随机数；

所述步骤2.5)中聚群行为的具体步骤为：

a)基于磷虾食物中心，计算人工鱼X_i的视野内所有伙伴的改进聚群中心X_c：

其中，X_c为改进聚群中心，X_i是第i条人工鱼的当前位置，Y_i为第i条人工鱼的适应度值，n_f为第i条人工鱼邻居的数量，W_i为经归一化计算得到的个体位置所占权重；

b)如果Y_c·n_f＜Y_c·δ，人工鱼按照融合磷虾行为的聚群公式更新位置为：

其中，X_inext是第i条人工鱼执行聚群行为后的位置，X_i是第i条人工鱼的当前位置，Y_i为第i条人工鱼当前的适应度值；Y_best为人工鱼群最优个体适应度值，Y_worst为最差个体适应度值；X_c为人工鱼X_i视野visual_i范围内所有伙伴的改进聚群中心，Y_c为X_c的适应度值；||X_c-X_i||为X_i和其伙伴改进聚群中心X_c的欧式距离；rand是0到1之间的随机数。

2.根据权利要求1所述的一种kbAFSA的超临界水氧化反应动力学模型参数估计方法，其特征在于，所述步骤3)中的算法终止规则为：算法运行次数达到最大迭代次数G_max。