[发明专利]一种城市生活垃圾焚烧过程烟气组分浓度预测方法

权利要求书

1.一种城市生活垃圾焚烧过程烟气组分浓度预测方法，其特征在于其中具体的步骤如下：

(1)根据城市生活焚烧过程的历史数据建立设定案例库；将特征变量x₁～x₉即汽包水位x₁、炉膛温度平均x₂、二次燃烧室出口温度左x₃、二次燃烧室出口温度右x₄、燃尽段炉排顶端气温左x₅、出口烟气氧气浓度x₆、石灰重量x₇、尿素溶液喷射流量x₈、活性炭重量x₉的历史数据与烟气排放NO_X浓度y经过归一化处理后表示成特征向量形式，形成A条源案例，存储于设定案例库中；记每条源案例为C_t，表示为如下形式：

C_t＝(X_t；y_t),t＝1,2,L,A (1)

其中，A为源案例总数；y_t为第t条源案例C_t中烟气排放NO_X浓度；X_t是第t条源案例的问题描述，X_t可表示为：

X_t＝(x_1,t,…,x_λ,t,…,x_9,t) (2)

其中，x_λ,t(λ＝1,…,9)为C_t中第λ个特征变量值；

(2)参数初始化；令文化鲸鱼算法最大迭代次数t_max、信仰空间权重个数M、种群空间权重个数N、接受操作执行间隔Acc、影响操作执行间隔Inf、权重搜索空间上限u_j和下限l_j；

(3)采用文化鲸鱼算法分配特征权重；首先，将预测模型的均方根误差作为适应度函数，然后，采用鲸鱼算法在种群空间中对特征权重进行迭代寻优，接着，通过接受函数将种群空间中的最优权重置于信仰空间中进行性能评价与双变异演化，以此形成形势知识和规范知识，最后，通过影响函数对种群空间中的权重进行更新指导，如此循环，从而得到特征权重的优化分配结果；下面从种群空间的演化策略、信仰空间的知识描述以及两个空间之间的交互操作三方面来介绍；

a.种群空间的演化策略

种群空间采用鲸鱼算法进行权重的演化更新和性能评价；鲸鱼算法是一种模仿座头鲸泡泡网觅食行为的仿生智能优化算法；令每个鲸鱼的位置代表一个权重的可行解，该算法主要分为两部分，一部分为随机搜索最优权重，另一部分是通过泡泡网觅食行为获得最优权重；下面分别介绍；

1)随机搜索

随机搜索阶段对应着算法的全局探索阶段，是随机寻找最优权重的过程；根据式(2)，n个特征权重中，令每一个权重的可行解在D维空间内，则第j个权重的可行解可表示为ω_j＝(ω_j,1,ω_j,2,…,ω_j,i,…,ω_j,D)，更新公式如下:

其中，t为当前迭代次数；为当前随机选择的权重；为更新后的权重；A和C为系数，根据下式计算：

其中，r₁和r₂为[0,1]中的随机数；a为控制参数，随着迭代次数t的增加从2线性减小到0，即：

a＝2-2t/t_max (5)

其中，t_max为最大迭代次数；

当式(3)中的|A|≥1时，进入随机搜索阶段，根据各权重的可行解进行随机搜索最优权重；当|A|1时，进入局部搜索阶段，采用泡泡网觅食行为进行最优权重的搜索；

2)泡泡网觅食

泡泡网觅食对应着算法的局部搜索阶段，通过收缩包围和螺旋上升更新权重；当式(3)中的|A|1时，权重值会通过泡泡网觅食行为不断趋向于当前最优解；其中收缩包围方式可用下式表示：

其中，为第t次迭代时所获得的最优权重值，它会随着迭代过程不断更新；

在进行螺旋更新权重时，当前权重以下式所示的螺旋形运动趋向最优权重：

其中，为当前权重到最优权重的距离；b为螺旋形状的常数，取1；l为[-1,1]中的随机数；

上述的式(6)收缩包围和式(7)螺旋更新权重的选择由随机产生的概率因子p的值来决定，当p≥0.5时，进入螺旋更新权重阶段；当p0.5时，进入收缩包围阶段，如下式所示：

在种群空间，通过上述的随机搜索和泡泡网觅食算法，可得到该空间中的最优权重；

b.信仰空间的知识描述和更新策略

信仰空间的核心是知识表示和存储更新，知识表示根据种群空间的演化策略和应用领域来制定，该空间中的知识总共有五类：形势知识、规范知识、拓扑知识、领域知识和历史知识；本文采用形势知识和规范知识描述信仰空间，这两种知识的形成依赖于对种群空间的最优权重进行双变异演化和性能评价的结果；下面是具体的算法描述；

1)形势知识

形势知识用于记录进化过程中的最优权重，采用双变异演化策略进行权重的更新演化；双变异演化策略的基本思想是在迭代的早期和后期分别采用非均匀变异算子和柯西变异算子对权重进行变异操作；其中的非均匀变异算子在迭代早期能均匀的搜索整个空间，以尽快发现可能的最优区域，但随着算法的进行，搜索范围依概率“越来越小”，到算法临近结束时仅在当前解的小范围中搜索，所以需要在迭代后期采用柯西变异算子进行变异；柯西变异算子可以产生较大的变异步长，有利于算法引导个体跳出局部最优解，保证了算法的全局搜索能力；下面介绍非均匀变异算子和柯西变异算子，并从中获得权重更新演化的形势知识；

非均匀变异算子定义如下：

其中，ω'_j为第j个权重变异之后的权重；为第j个权重变异之前的权重；t为当前迭代次数；ω_jmax为迭代过程中第j个权重的上限；ω_jmin为迭代过程中第j个权重的下限；rand为[0,1]中的随机数；d为系统参数d＝2；

柯西变异算子定义如下：

其中，为用来控制柯西分布变异强度的一个常数；n为特征数量；g为[0,1]中的随机数；

为了实现权重的更新演化，需定义权重所对应的适应度函数，根据案例推理预测模型输出的均方根误差得到如下的适应度函数：

其中，p为源案例总数；y(i)为第i条案例的实际值；y’(i)为第i条案例的预测值；

根据上述双变异策略，可得到信仰空间在第t次迭代时用于权重更新演化的形势知识：

其中，为权重变异之前所对应的适应度；f(ω'_j)为权重变异之后所对应的适应度；

2)规范知识

规范知识用于描述权重的可行解空间，对其更新体现为权重搜索空间的变化；针对权重的优化问题，其结构描述为＜I_j,L_j,U_j＞,j＝1,2,L，其中I_j＝[l_j,u_j]＝{l_j≤ω_j≤u_j,ω_j∈R}，表示第j个权重搜索空间边界的值，因为权重处在0到1之间，所以上界u_j初始化为1，下界l_j初始化为0；规范知识根据每代获得的优势权重进行更新，规则如下：

其中，为第j个权重的下限所对应的权重的适应度值，为第j个权重的上限所对应的权重的适应度值

信仰空间通过双变异演化策略对种群空间的最优权重进行更新演化后，为了达到两个空间相互影响提高精度的目的，还需要进行空间之间的交互操作设计；

c.空间之间的交互操作设计

种群空间和信仰空间的交互通过接受操作和影响操作来实现，具体操作如下；

1)接受操作

信仰空间通过接受函数从种群空间接受一组最优权重子集，这里采取比例接受策略,即按接受比例k_a依适应值升序接受权重个体，接受个数如下式所示；

m＝N*k_a (17)

其中，m为信仰空间接受权重个数；N为种群空间权重个数；

在种群空间的权重进化过程中，每当接受操作执行间隔为Acc时，按照下式用种群空间中的最优权重代替信仰空间中适应度差的权重；

K_M＝ω_opt (18)

其中，M为信仰空间权重个数，K_M为信仰空间中适应度最差的权重个体，ω_opt为种群空间中适应度最好的权重个体；

2)影响操作

信仰空间中的形势知识和规范知识形成后，通过影响函数对种群空间的权重进化引导，以使种群空间得到全局最优权重在种群空间的进化过程中，每当影响操作执行间隔为Inf时，按照下式用信仰空间中适应度最好的权重代替种群空间中适应度最差的权重；

ω_N＝X_r (19)

其中，X_r为信仰空间中适应度最好的权重个体；ω_N为种群空间中适应度最差的权重个体；

文化鲸鱼算法通过双层进化机制不断更新迭代权重，当迭代到最后一次时，取种群空间中的最优权重ω_opt作为特征权重的最优化分配；

(4)案例检索策略采用KNN策略，通过计算目标案例与源案例间的加权欧式距离，寻找与目标案例最相似的案例：

其中，s_k为相似度大小；w_i是第i个特征变量的权重；xi为目标案例第i个特征变量；x_k,i表示第k条案例中的第i个变量；

(5)重用阶段利用KNN算法，检索出的相似案例，将其按相似度从大到小排列，选取前k个最相似案例的解的平均值作为建议解；

(6)将目标案例与建议值构成一条案例存储至历史数据库中，供下次求解使用；

(7)重复步骤(3)～步骤(6)，以实现城市生活垃圾焚烧过程烟气组分浓度预测过程。