[发明专利]基于多层特征选择的固废焚烧过程二噁英排放浓度软测量方法

权利要求书

1.基于多层特征选择的固废焚烧过程二噁英排放浓度软测量方法，其特征在于：

结合焚烧工艺将基于炉排炉的城市固废焚烧MSWI过程分为6个子系统：燃烧处理工程、锅炉设备工程、尾气处理工程、蒸汽发电工程、烟囱排放工程、公用传输工程；

软测量模型的输入数据X∈R^N×P包括N个样本即为行和P个变量即为列，其源于MSWI流程的不同子系统；

此处，将来自第ith个子系统的输入数据表示为即存在如下关系，

其中，I表示子系统个数，P_i表示第ith个子系统包含的输入特征个数；

相应的，输出数据包括N个样本，其来源于采用离线直接检测法得到排放物二噁英DXN检测样本；

过程变量以秒为单位在DCS系统采集与存储，DXN排放浓度以月/季为周期离线直接化验获得，故存在N＜＜P；

将X_i改写为如下形式，

其中，表示第ith个子系统的第p_ith个输入特征，表示列向量；

提出基于多层特征选择的MSWI过程DXN排放浓度软测量策略：先介绍以下术语：和表示针对第ith个子系统的输入特征采用相关系数和互信息度量所选择的候选特征集合，表示对基于相关系数法和互信息法所选择的候选特征集合采用综合评价值度量所选择的对第ith个子系统的第1层特征，表示串行组合全部子系统的第1层特征所得到的基于单特征相关性的第1层特征，表示运行第jth次GA-PLS算法所选择的基于多特征冗余性的第2层特征，表示第1层特征中第个特征被选择的次数，表示依据特征选择阈值θ_3rd和先验知识从中所选择的第3层特征，M_para表示软测量模型的参数，表示预测值；

1.1)首先，计算不同原始输入特征与DXN排放浓度间的原始相关系数；此处以第ith个子系统的第pth个输入特征为例进行描述，如下，

其中，分别表示第ith个子系统的第pth个输入特征及DXN排放浓度N个建模样本的平均值；将原始相关系数进行如下预处理，

其中，|·|表示取绝对值；

重复上述过程，获得全部原始输入特征的相关系数并记为设定第ith个子系统权重因子f_i^corr，将基于相关系数选择输入特征的阈值采用如下公式计算，

其中，最大(f_i^corr)_max和最小值(f_i^corr)_min采用如下公式计算，

其中，max(·)和min(·)分别表示取最大和最小值的函数；

以作为阈值，第ith个子系统的第p_ith输入特征的选择准则如下所示，

选择其中的特征作为基于相关系数选择的候选特征并将其标记为对第ith个子系统的全部原始输入特征执行上述过程，并将所选择的候选特征标记为，

其中，表示基于相关系数选择的第ith个子系统的过程变量个数；

对全部子系统重复上述过程，基于相关系数度量选择的特征标记为

1.2)基于互信息的单特征相关性度量

首先，计算不同原始输入特征与DXN排放浓度间的互信息值；以第ith个子系统的第pth个输入特征为例，如下：

其中，表示联合概率密度，和p_rob(y_n)表示边际概率密度；

重复上述过程，获得全部原始输入特征的互信息值并记为设定第ith个子系统的权重因子f_i^mi，将基于互信息选择输入特征的阈值采用如下公式计算，

其中，f_i^mi的最大(f_i^mi)_max和最小值(f_i^mi)_min采用如下公式计算，

以作为阈值，第ith个系统的第p_ith输入特征的选择准则如下所示，

选择其中的特征作为基于互信息选择的候选特征并将其表标记为对第ith个子系统的全部输入特征执行上述过程，并将所选择的候选特征标记为：

其中，表示基于互信息选择的第ith个子系统的全部特征的个数；

对全部子系统重复上述过程，基于互信息度量选择的特征可标记为

1.3)基于综合评价值的单特征相关性度量

以第ith个子系统为例，同时考虑具有相关系数和互信息贡献度的输入特征在和中得到候选特征集合，其策略为：

其中，∩表示取交集；表示第ith个子系统的第个候选特征，其对应的相关系数值与互信息值为和

为消除不同输入特征的相关系数值和互信息值的大小导致的差异性，按如下公式进行标准化处理；

其中，和表示第ith个子系统的第个标准化的相关系数值和互信息值；

新定义一种候选输入特征的综合评价值其表示形式为，

其中，和表示比例系数，均取值为0.5，其满足

重复上述过程，获得全部候选输入特征的综合评价值并记为

设定第ith个子系统的权重因子f_i^corr_mi，将基于综合评价值选择输入特征的阈值采用下式计算，

其中，f_i^corr_mi的最大(f_i^corr_mi)_max和最小值(f_i^corr_mi)_min采用如下公式计算，

以作为阈值，以第ith个子系统的第个候选输入特征为例，按如下规则进行选择，

对全部的原始候选输入特征执行上述过程，选择其中的变量作为基于综合评价值选择的输入特征，并标记为，

重复上述过程完成对全部子系统第1层特征的选择，并串行排列得到基于单特征相关性的第一层特征

其中，表示第1层特征选择集合中的第个特征，表示全部第1层特征的数量；

2)基于多特征冗余性的第2层特征选择

采用基于GA-PLS的特征选择算法同时考虑多个特征间的冗余性进行第2层特征选择；采用如下所示的第2层特征选择策略；

上述策略的输入为第1层选择特征运行第jth次GA-PLS的输出为第2层选择特征最终输出为运行J次GA-PLS后每个第1层输入特征的被选择次数，选择预测误差小于J_sel次均值的第2层特征进行统计处理，其中第个特征的选择次数为相应的全部个第1层特征为J为GA-PLS算法的运行次数，J_sel为GA-PLS模型预测误差小于J次运行均值的数量；

上述第2层特征选择的步骤如下：

第1步:设定GA-PLS运行次数J，以及GA-PLS算法参数：初始种群数量、最大遗传代数、变异概率、交叉方式、PLS算法潜在变量数量；设定j＝1，启动第2层的特征选择过程，开始运行；

第2步：判断是否达到运行次数J，若满足，则转到第11步，否则，转到第3步；

第3步：采用二进制方式对特征进行编码，其中染色体的长度为输入特征个数，1表示特征被选中，0表示特征未被选中；

第4步：采用随机方式对种群初始化；

第5步：对种群进行适应度评价，采用留一法交叉验证法计算均方根验证误差RMSECV，值越小表明适应度越好；

第6步：判断是否达到最大遗传代数的终止条件，如不满足，转第7步，否则转第9步；

第7步：进行选择、交叉和变异遗传操作，其中：选择操作采用精英替代策略即采用适应度好的个体替换适应度较差的个体，交叉操作采用单点交叉，变异操作采用单点变异；

第8步：获得新种群，转到执行第5步；

第9步：获得第jth次运行GA-PLS算法的最佳个体，进一步解码得到所选择的第2层特征，并将其记为

第10步：令j＝j+1，转到第2步；

第11步：计算全部J次运行得到的预测模型的均方根误差RMSE的平均值，将大于此平均值的GA-PLS模型的数量标记为J_sel；对J_sel次所选择的第2层特征进行处理，统计个第1层特征的被选择次数，如下所示，

其中，为第个第1层特征的被选择次数；

3)基于模型预测性能的第3层特征选择与建模

基于上述步骤得到的全部个第1层特征的被选择次数为设定比例系数确定用于第3层特征选择的阈值下限采用如下公式计算；

其中，floor(·)表示取整函数；的最大值和最小值采用如下公式计算，

第3层特征选择的阈值上限取为全部个第1层特征被选择次数的最大值，

将第3层特征选择的阈值记为其值在和之间；第3层特征的筛选机制为：

其中，表示第个第1层特征经J次GA-PLS算法被选择的次数；μ^p表示第3层特征选择的阈值筛选标准；选择μ^p＝1的特征变量依次存入中；接着，以为输入构建基于PLS的DXN软测量模型，并计算RMSE；

在和之间逐个增加值，构建基于PLS算法的DXN软测量模型，选择RMSE最小的作为基于数据驱动选择过程变量的基于PLS的DXN排放浓度软测量模型；

检查上述数据驱动软测量模型的输入中是否包括烟囱排放的CO浓度、HCL浓度、O₂浓度和NOx浓度，同时去除公用传输系统中的特征；若未包括，则将上述特征进行补选，进而获得第3层的选择特征构建基于PLS的DXN软测量模型。