[发明专利]一种蒸汽热裂解过程的预测方法

权利要求书

1.一种蒸汽热裂解过程的预测方法，其特征在于该方法包括以下步骤：

(1)设定蒸汽热裂解产物的种类i和蒸汽热裂解产物的含量w_i为因变量Y，其中w_i为第i产物的含量，设定蒸汽热裂解原料的物理性质和生产操作条件为自变量X；

(2)从历史记录中获取蒸汽热裂解过程中的自变量X和因变量Y，自变量X共有P种，因变量Y共有I种，每种有n组数据，对P+I种、n组数据进行预处理；

(3)根据步骤(2)的自变量X中的n组数据，分别建立关于自变量X的多个基函数g(X)，记多个基函数g(X)的集合为C₁；

对于每个自变量X_j，将自变量的所有n组数据作为结点建立基函数，与数据相应的基函数g(X_p)具体表达式如下：

其中，p为自变量X的种类，t是n组数据中的自变量取值，基函数g(X_p)相对于取值t成对出现，以和表示，

对自变量X中的所有数据取基函数后，得到基函数集合C₁，其中n为数据的个数，p为自变量X的种类，p＝1，2……P；

(4)采用多元自适应样条回归模型，利用步骤(3)的基函数集合C₁对多元自适应样条回归模型进行训练，得到一个用于预测因变量Y的多元自适应样条回归模型，包括以下步骤：

(4-1)设定一个多元自适应样条回归模型的升幂次数k；

(4-2)根据步骤(3)的基函数集合C₁中的基函数，将和作为自变量，对因变量Y进行向前逐步回归，得到一个基于一次基函数的回归模型，其过程如下：

(4-2-1)建立每个基函数g(X_p)与因变量Y的第一一次回归方程，即Y＝β_tpg(X_p)+β₀，其中，g(X_p)为自变量X在种类p上的取值t的基函数，β_tp为基函数g(X_p)的回归系数，该回归系数由最小二乘法计算公式确定，为β_tp＝(g(X_p)^Tg(X_p))^-1g(X_p)^TY，其中上标T为矩阵转置，β₀为第一一次回归方程的常数项；分别计算以上每个第一一次回归方程的F统计量，计算公式为其中n为数据集中数据的个数，m为方程Y＝β_tpg_t(X_p)+β₀中自变量X的维度，SSR为剩余平方和，SSR的计算公式为其中是因变量Y的估计值，是Y的平均值，SSE为回归平均值，SSE的计算公式为上标T为矩阵转置，从以上多个第一一次回归方程的F统计量中选出最大的F统计量值，记为k为与最大F统计量相对应的第k个回归方程；设F统计量的显著性临界值为α，对F统计量的最大值进行判断，若则停止筛选，进行步骤(4-3)，若则将与相对应的基函数放入一个基函数集中，记该基函数集为进行步骤(4-2-2)，其中F_α为与临界值α相对应的F分布值，通过查询F分布值表得到，n为数据集中数据的个数；

(4-2-2)分别将集合C₁中剩余的每个基函数与基函数集中的基函数组合，建立多个第二一次回归方程，计算每个第二一次回归方程的F统计量，计算公式同步骤(4-2-1)，将多个F统计量中的最大值记为对进行判断，若则停止筛选，进行步骤(4-3)，若则将F统计值最大的第二一次回归方程中的基函数放入基函数集，记该基函数集为其中F_α为与临界值α对应的F分布值，n为数据集中数据的个数，进行步骤(4-2-3)；

(4-2-3)设定第一一次回归方程的F统计量的阈值重复步骤(4-2-2)，直到其中q为基函数集合C₁中的基函数个数，n为数据集中数据的个数，得到一个基于一次基函数的向前回归模型其中X是自变量的所有数据，M是该模型中选定的基函数的总数，是该模型中的基函数，β_m是基函数的回归系数，β₀是一次基函数的向前回归模型中的常数项；并将的集合记为该基函数集中共有q个函数；

(4-3)对步骤(4-2)的一次基函数的向前回归模型进行向后删减过程，得到基于一次基函数的向后回归模型，具体过程如下：

(4-3-1)计算步骤(4-2)中一次基函数的向前回归模型的广义交叉验证函数GCV的值,记为GCV_q，计算公式为其中w_iz为蒸汽热裂解产物种类i在数据z中的含量；f_iz(X_p)是一次基函数的向前回归模型在数据z上的预测值,n是数据集中数据的个数；G是有效参数的个数，G＝2q+1；

(4-3-2)从步骤(4-2)的一次基函数的向前回归模型的q个基函数中，任意删除一个基函数，得到q个包含q-1个基函数的一次基函数的向后回归模型，分别计算该q个模型的广义交叉验证函数GCV的值，记其中的最小值为GCV_q-1，对该GCV_q-1进行判断，若GCV_q-1GCV_q，则判定本回归模型为更优，并记相应的基函数集为相应的一次基函数的向后回归模型为f₁¹(X)；

(4-3-3)重复步骤(4-3-2)，直至GCV的值不再减小，即GCV_q-1GCV_q，记此时的基函数集为h₁(X)，得到一次基函数的多元自适应样条回归模型为f₁(X)；

(4-4)对步骤(4-3-3)的基函数集h₁(X)进行升幂次迭代，即，将基函数集合h₁(X)中的所有项与步骤(3)的集合C₁中的所有基函数g(X_p)相乘，得到一个基函数集合C₂，将基函数集合C₂中的基函数作为新的基函数，重复步骤(4-2)和步骤(4-3)，得到基函数集h₂(X)，得到二次基函数的多元自适应样条回归模型f₂(X)；

(4-5)设定一个广义交叉验证函数GCV的阈值，重复步骤(4-4)的升幂次过程，若多元自适应样条回归模型的相应GCV达到阈值，或多元自适应样条回归模型的升幂次数达到步骤(4-1)设定的升幂次数，则确认所述的多元自适应样条回归模型为用于预测因变量Y的多元自适应样条回归模型；

(5)实时获取蒸汽热裂解过程中的自变量X，将该自变量X输入步骤(4)的多元自适应样条回归模型中，输出得到蒸汽热裂解过程的因变量预测值，实现蒸汽热裂解过程的预测。