[发明专利]一种基于集成神经网络的聚丙烯熔融指数混合建模方法

摘要

一种基于集成神经网络的聚丙烯熔融指数混合建模方法，包括首先通过采集关键过程变量数据和熔融指数离线分析数据，对原始数据进行离群点检测、标准化等预处理，构建训练样本数据集；然后采用机理分析方法和最速下降法建立聚丙烯熔融指数简化机理模型，采用Bagging集成学习算法和信息熵法建立基于集成BP神经网络的机理模型预测误差补偿模型；最后将简化机理模型与误差补偿模型相结合，建立聚丙烯熔融指数的混合模型，用于实现熔融指数的在线估计。与目前其它建模方法相比，本发明提高了模型泛化性能，能用于指导聚丙烯生产过程，有效实现聚丙烯质量控制。

主权项

一种基于集成神经网络的聚丙烯熔融指数混合建模方法，包括以下步骤：1)通过集散控制系统和实时数据库系统采集聚丙烯生产过程各个关键过程变量的数据，并将这些数据存入历史数据库，作为软测量模型的输入样本数据集；2)通过离线化学分析获取历史数据库中用于建模的样本所对应的熔融指数离线分析值，作为软测量模型的输出样本数据集；3)分别对步骤1获取的关键过程变量数据集和步骤2获取的熔融指数数据集进行预处理，建立训练样本数据集；4)基于预处理后的训练样本数据集，建立聚丙烯熔融指数简化机理模型，将该机理模型参数存入数据库中备用，同时得到简化机理模型的训练值；5)由步骤2获取的熔融指数离线分析值减去步骤4的简化机理模型训练值得到机理模型预测误差，并将步骤1获取的关键过程变量和机理模型预测误差分别作为模型输入和输出，建立基于集成神经网络的机理模型预测误差补偿模型，将该误差补偿模型参数存入数据库中备用；6)将预处理后的新实时数据直接输入到步骤4的简化机理模型和步骤5的误差补偿模型中，将两个模型的输出值相加，可获得该实时数据对应的聚丙烯熔融指数预测值。