[发明专利]一种水泥熟料游离氧化钙含量预测方法

权利要求书

1.一种水泥熟料游离氧化钙含量预测方法，其特征是，包括以下步骤：

S1：采集水泥熟料样本；

S2：构建水泥熟料游离氧化钙含量时间序列；

S3：基于经验模态分解方法对水 泥熟料游离氧化钙含量时间序列进行时序分解：

S4：构建训练特征提取模块所需的输入输出样本对；

S5：训练特征提取子模块-模块化回声状态神经网络，学习时间序列的多时间尺度特征：

S6：训练预测模块-回声状态神经网络：

S7：对水 泥熟料游离氧化钙含量预测；

在步骤S1中，采样周期为1小时，连续采样n次在线获取水泥熟料样本，并由人工进行实验室离线检测，并记录水泥熟料游离氧化钙含量u₁,u₂,……,u_n；

在步骤S3中，对泥熟料游离氧化钙含量时间序列进行时序分解的过程包括以下步骤：

S3.1：设置初始特征序列数p＝0；令h₀(t)＝U(t)，U(t)为水泥熟料游离氧化钙含量时间序列，U(t)＝u_t，t＝1,2,……,n；

S3.2：设置初始循环数q＝0；

S3.3：更新循环次数q＝q+1；

S3.4：找出水泥熟料游离氧化钙含量时间序U(t)的所有极值点；

S3.5：用三次样条插值法对极小值点形成下包络e_min(t)，对极大值形成上包络e_max(t)；

S3.6：计算极值点均值：

S3.7：抽离细节：

d_q(t)＝h_p(t)-m(t)； (2)

S3.8：对细节信号d_q(t)重复步骤S3.3至骤S3.7，直至细节信号d_q(t)的均值是0；

S3.9：更新特征序列数p＝p+1；

S3.10：记录特征序列IMF_p(t)；

S3.11：计算残差序列：

h_p(t)＝h_p-1(t)-IMF_p(t)； (3)

S3.12：对h_p(t)重复S3.2至S3.11，直至直到h_p(t)为单调函数；

S3.13：令IMF_p(t)＝h_p(t)；

在步骤S4中，构建训练特征提取模块所需的输入输出样本对为：

Ω_i＝(U(t),IMF_i(t)) (4)

式中，U(t)为水泥熟料游离氧化钙含量时间序列，IMF_i(t)为特征序列，i＝1,2,…,p+1；t＝1,2,…,n；

所述步骤S5具体包括以下步骤：

S5.1：设置初始模块数k＝0；

S5.2：更新模块数k＝k+1；

S5.3：设置模块参数：输入神经元个数1，输出神经元个数1，隐含层神经元个数n_k，谱半径ρ_k,稀疏度sp_k；

S5.4：在区间(-0.1,0.1)上以均匀分布随机生成网络输入权值矩阵

S5.5：在区间(-1,1)上以均匀分布随机生成稀疏度为sp_k的矩阵

S5.6：计算矩阵的最大特征值

S5.7：计算隐含层权值W_k：

S5.8：计算隐含层神经元状态：

其中t＝1,2,……,n,s_k(0)＝0；

S5.9：构建隐含层状态矩阵：

S5.10：计算网络输出权值矩阵：

其中为隐含层状态矩阵H_k的转置矩阵；

S5.11：计算网络输出：

S5.12：重复步骤S5.2至步骤S5.11直至k＝p+1；

S5.13：收集子模块输出：

所述步骤S6包括以下步骤：

S6.1：构建网络输入I及参考输出

S6.2：设置模块参数：输入神经元个数p+1，输出神经元个数1，隐含层神经元个数n_R，谱半径ρ_R,稀疏度sp_R；

S6.3：在区间(-0.1,0.1)上以均匀分布随机生成网络输入权值矩阵

S6.4：在区间(-1,1)上以均匀分布随机生成稀疏度为sp_R的矩阵

S6.5：计算矩阵的最大特征值

S6.6：计算隐含层权值W_R

S6.7：计算隐含层神经元状态s_R(t)：

其中s_R(0)＝0；

S6.8：构建隐含层状态矩阵H_R：

S6.9：计算网络输出权值矩阵

其中为隐含层状态矩阵H_R的转置矩阵。

2.根据权利要求1所述的一种水泥熟料游离氧化钙含量预测方法，其特征是，所述步骤S7具体为：将测试样本输入已经训练好的特征提取模块，预测模块输出即为下一时刻水泥熟料游离氧化钙含量。