[发明专利]一种柴油产率的预测方法及其预测系统

权利要求书

1.一种柴油产率的预测方法，其特征在于，包括以下步骤：

获取待测样本的加氢裂化过程的过程变量数据及待测标签；

根据所述过程变量数据构建局部模型，以确定隐变量的后验分布；以及

经由预先训练的预测模型，根据所述隐变量的后验分布确定慢特征，并根据所述慢特征确定柴油产率预测值。

2.如权利要求1所述的预测方法，其特征在于，所述获取待测样本的加氢裂化过程的过程变量数据及待测标签的步骤包括：

根据移动窗长度T，获取所述待测样本的加氢裂化过程的过程变量数据。

3.如权利要求2所述的预测方法，其特征在于，所述隐变量的后验分布被表示为：

其中，和分别表示推断网络生成的均值和标准差，是向量化操作符，、、和为训练确定的模型参数的局部最优点，表示逐元素相乘，是从标准正态分布中采样得到的辅助变量，。

4.如权利要求3所述的预测方法，其特征在于，训练所述预测模型的步骤包括：

获取多个训练样本的加氢裂化过程的多种过程变量数据及柴油产率数据，将所述过程变量数据作为输入数据，并将所述柴油产率数据作为输出数据，以构建训练数据集；

使用一阶自回归模型描述所述预测模型的隐变量空间，以确定对应所述输入数据的慢特征，并对所述隐变量空间中的隐变量施加稳定约束Q，以计算相邻两个隐变量之间的缓慢程度；

经由两个不同的解码器，构造所述隐变量空间与观测空间之间的非线性映射关系；

经由GRU构造相邻两个慢特征之间的后验分布；

基于贝叶斯框架，推导出所述预测模型的目标函数及损失函数；以及

计算每个模型参数的梯度，并迭代地寻找各所述模型参数的局部最优点。

5.如权利要求4所述的预测方法，其特征在于，所述输入数据被表示为，所述输出数据被表示为，其中，和分别表示输入数据和输出数据的长度，D表示输入数据的维度，下标L表示有标签数据，所述输出数据中使用NaN表示缺损部分，所述使用一阶自回归模型描述所述预测模型的隐变量空间，以确定对应所述输入数据的慢特征的步骤包括：

使用一阶自回归模型将所述预测模型的隐变量空间描述为：

其中，，是对角化运算符，所述慢特征被表示为，d表示所述隐变量空间的维度。

6.如权利要求5所述的预测方法，其特征在于，所述稳定约束Q被表示为，所述对所述隐变量空间中的隐变量施加稳定约束Q，以计算相邻两个隐变量之间的缓慢程度的步骤包括：

根据以下公式计算相邻两个隐变量之间的缓慢程度：

其中，对角矩阵越接近单位矩阵，则提取的特征信号越缓慢，稳定约束Q中的元素是正数，以保证矩阵的对角线元素满足，，所述相邻隐变量的状态转移系数被表示为：

其中，，表示sigmoid函数，表示指数函数，是每个的参数。

7.如权利要求6所述的预测方法，其特征在于，所述经由两个不同的解码器，构造所述隐变量空间与观测空间之间的非线性映射关系的步骤包括：

将所述隐变量空间与观测空间之间的非线性映射关系表示为：

其中，和代表时刻重构的输入和输出，和是两个不同的神经网络，用于表示所述隐变量的先验分布，为所述先验分布的参数集合，和相互独立。