[发明专利]一种基于DAJYPLS算法的浓密机底流浓度预测方法

摘要

本发明提供一种基于DAJYPLS算法的浓密机底流浓度预测方法，涉及湿法冶金技术领域。本发明步骤如下：步骤1：确定建立模型所需的数据集；步骤2：对数据集中数据标准化处理；步骤3：基于JYPLS算法建立DAJYPLS预测模型；步骤4：对于目标域给定新样本xnew，DAJYPLS预测模型输出浓度预测值该方法可实现当现场采样数据较少时，仍可以建立出准确的预测模型，以协助操作员进行控制，保证浓密脱水过程安全、稳定运行，提高综合经济效益，同时减少压滤机的故障率。

主权项

1.一种基于DAJYPLS算法的浓密机底流浓度预测方法，其特征在于：包括如下步骤：步骤1：确定建立模型所需的数据集；所述数据集包括源域数据和目标域数据；将当前工业现场称为目标域，将与当前工业现场情况相似的已稳定运行一段时间的工业现场称为源域；获取源域与目标域中输出质量指标一致的数据作为数据集；所述输出质量指标为浓密机底流浓度；步骤1.1：在源域数据库中筛选出与当前工业现场情况相似的稳定数据集作为源域数据；源域数据包括输入矩阵输出矩阵其中m_s，n_s分别是源域输入、输出矩阵的变量维度，l_s是源域样本数量，R代表实数；步骤1.2：在目标域中将离线测量样本值作为目标域数据；目标域数据包括输入矩阵输出矩阵其中m_t，n_t分别是目标域输入、输出矩阵的变量维度，l_t是目标域样本数量；步骤2：对源域数据中的X_s、Y_s以及目标域数据中的X_t、Y_t进行标准化处理，即对矩阵中的各列进行零均值和单位方差处理；得出X_t的均值μ_xt，标准差σ_xt；Y_t的均值μ_yt，标准差σ_yt；其中，代表X_t中第k个输入变量所对应的均值，代表X_t中第k个输入变量所对应的标准差，其中k＝1,…,m_t；步骤3：基于JYPLS算法建立DAJYPLS预测模型；建立JYPLS预测模型：X_t＝T_tP_t^T+E_xt  (3)T_s＝X_sW_s  (4)T_t＝X_tW_t  (5)其中，Y_J为联合质量指标矩阵，为联合质量指标矩阵Y_J的载荷矩阵，(*)^T代表(*)的转置，分别为源域和目标域输入矩阵的得分矩阵，分别为源域和目标域输入矩阵的载荷矩阵,分别为源域和目标域输入矩阵的权值矩阵；表示Y_J的预测误差，分别为X_s,X_t的预测误差；其中，A是隐变量空间中变量的个数，并要求n_s＝n_t；构造目标函数，求解源域和目标域输入矩阵的权值矩阵W_s，W_t；目标函数构造如下，求解s.t.wⁱ(wⁱ)^T＝1其中，i＝1,…,A，μⁱ为罚因子，为源域输入矩阵的权值向量，为目标域输入矩阵的权值向量；为源域得分向量，为目标域得分向量；cov(·)表示协方差，var(·)表示方差；结合式(4),(5),引入拉格朗日乘子λ，代入式(6)得其中将式(7)对wⁱ求导令其为零得出：Σwⁱ＝λwⁱ  (10)当λ为式(10)的最大特征值时对应的特征向量wⁱ为最优解，将得到的wⁱ代入式(1)‑(5)，求解出模型参数；这种求解模型参数的方法称为DAJYPLS算法；求解DAJYPLS算法中参数的具体步骤为：步骤3.1：令i＝1；步骤3.2：对Σ进行奇异值分解，得到权值矩阵wⁱ；步骤3.3：求源域和目标域得分向量步骤3.4：求联合载荷向量步骤3.5：求源域和目标域载荷向量步骤3.6：求残差，步骤3.7：若i＝A，顺序执行步骤3.8；否则i＝i+1，循环返回到步骤3.2；步骤3.8：计算权值矩阵W_t＝W_t(P_t^TW_t)^‑1，最终得出W_s、W_t、Q_J；步骤4：对于目标域给定新样本x_new，DAJYPLS预测模型输出浓度预测值