买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京工业大学

摘要：一种城市固废焚烧过程多输出在线预测建模方法，涉及城市固废焚烧过程关键参数预测领域。本发明基于改进的随机配置网络，在变工况场景下构建固废焚烧过程的多输出在线预测模型，主要包括如下步骤：1建模数据预处理；2模型参数初始化；3利用竞争引导策略配置隐含层新增节点参数；4构建矩阵弹性网对随机配置网络预测模型的输出权值进行组稀疏正则化；5使用带有稀疏约束的方向遗忘算法在线递推更新模型输出权值；6基于上述步骤1～步骤5即可得到城市固废焚烧过程多输出在线预测模型。本发明可在变工况场景下实现对炉温与烟气含氧量变化趋势的准确预测，为城市固废焚烧过程的多变量协同优化控制奠定良好的基础。

主权项：1.一种城市固废焚烧过程多输出在线预测建模方法，其特征在于，包括以下步骤：1.建模数据预处理：将包括进料器速度、干燥段炉排速度、一次风量、二次风量、炉排温度以及当前时刻的炉温与烟气含氧量这47个变量，作为预测模型输入X，变量详见表1；将下一时刻的炉温与烟气含氧量作为预测模型输出Y，从而构建样本数量为NN取700的多输入多输出训练集D，并对其进行归一化处理；训练集D表示为： 其中，n表示正整数；xn,yn表示第n条训练样本；表示实数域；2.模型参数初始化：随机配置网络隐含层最大节点数量Lmax取50，最大配置次数Tmax取50，容忍误差τ取0.001，隐含层参数配置区间取[1:1:10]，正则化系数λ取1、α取0.4，遗忘因子ρ取0.95；3.利用竞争引导策略配置隐含层新增节点参数：当随机配置网络建模误差大于容忍误差τ且隐含层节点数量小于Lmax时,在区间内利用式2所示的均匀分布生成Tmax2个候选节点参数{WU,bU}；根据式3对参数{WU,bU}进行评价，并将评价结果记为同时将最大值对应的候选节点参数记为{WU,bU}～Uniform-γ,γ2 hLX＝gLwLX+bL4其中，Uniform-γ,γ表示上界为γ下界为-γ的均匀分布，γ∈1,10；eL-1X表示隐含层节点数量为L-1时的建模误差；表示eL-1X的转置；式4中的hLX表示隐含层第L个节点的输出；表示hLX的转置；gL·表示隐含层第L个节点的sigmoid激活函数；wL与bL分别表示隐含层第L个节点的输入权值与偏置；r表示实数序列，r默认取{0.9,0.99,0.999,0.9999,0.99999,0.999999}；μL表示根据r与L计算得到的非负实数序列，μL＝1-rL+1；L表示当前隐含层节点数量；根据网络模型输出权值与建模误差反向计算隐含层第L个节点的输出其计算公式如下： 其中，βU表示隐含层第L个节点取参数时的模型输出权值；HL表示随机配置网络隐含层节点数为L时的隐含层输出；表示HL的伪逆；与分别表示隐含层第L个节点取参数时的建模误差与误差下降量；与分别表示与的第i个分量；表示βU的第i个分量；i表示正整数；表示与的比值；反向配置隐含层第L个节点的输入权值与偏置的计算公式如下： 其中，g-1·表示激活函数g·的反函数；u·表示区间为0,1的压缩函数；表示预测模型输入X的伪逆；mean·表示均值函数；此外，为保证反向配置参数的合理性，的区间与保持一致；根据式3对参数和进行对比评价，评价结果分别记为和并将较大者对应的参数作为高斯分布的中心点其计算公式如下所示： 生成输入权值WG的高斯分布第i个分量的均值与标准差表示为： 其中，表示的第i个分量；表示生成输入权值WG高斯分布的中心点参数；min·表示最小值函数；|·|表示绝对值函数；生成偏置bG的高斯分布的均值μb与标准差σb表示为： 其中，表示生成偏置bG高斯分布的中心点参数；接着，利用高斯分布生成Tmax2个候选节点参数{WG,bG},根据式3对参数{WG,bG}进行评价，并将评价结果记为然后，挑选出最大值对应候选节点的输入权值与偏置，并将其作为隐含层第L个节点的参数4.构建矩阵弹性网对随机配置网络模型输出权值进行组稀疏正则化：采用Frobenius范数与L2,1范数正则项对随机配置网络模型输出权值β进行稀疏约束，此时模型输出权值的目标函数Jβ表示为： 其中，λ与α表示正则化系数,λ取1、α取0.4；||·||F表示Frobenius范数；||·||2,1表示L2,1范数；模型输出权值迭代求解的表达式为： 其中，t表示迭代次数；βt+1表示t+1次迭代时的模型输出权值；表示HL的转置；Ut+1表示第t+1次迭代时的系数矩阵；I表示单位矩阵；diag{·}表示对角矩阵；βt表示t次迭代时的模型输出权值；与分别表示βt的第1、第2与第L行；||·||2表示L2范数；迭代终止条件如下所示：||βt+1-βt||F10-3145.使用带有稀疏约束的方向遗忘算法在线递推更新模型输出权值：根据在线预测误差对随机配置网络模型的输出权值进行在线更新，其计算公式如下所示：βk＝βk-1+R-1khkek15 其中，k表示时刻；βk与βk-1分别表示k、k-1时刻的模型输出权值；R-1k表示新信息矩阵Rk的逆矩阵；hk表示k时刻的隐含层输出；ek表示k时刻的在线预测误差；表示遗忘后的旧信息矩阵；hTk表示hk的转置；R-1k-1表示旧信息矩阵Rk-1的逆矩阵且ρ表示遗忘因子，ρ取0.95；表示伪逆运算符；为保证矩阵弹性网对模型参数的稀疏约束不会随着输出权值更新而丢失，需对式12、式13中的系数矩阵进行同步更新，其计算公式如下所示： Rnewk＝Roldk+λα[Unewk-Uoldk]19其中，Uoldk与Unewk分别表示更新前与更新后的系数矩阵；β1,*k、β2,*k与βL,*k分别表示βk的第1、第2与第L行；Roldk与Rnewk分别表示更新前与更新后的新信息矩阵；直到满足式20所示的收敛条件；||βnewk-βoldk||F10-320其中，βoldk与βnewk分别表示更新前与更新后的模型输出权值；基于上述步骤1～步骤5的训练过程得到城市固废焚烧过程多输出在线预测模型，从而实现对炉温与烟气含氧量变化趋势的准确预测；表1变量明细

全文数据：

权利要求：

百度查询： 北京工业大学 一种城市固废焚烧过程多输出在线预测建模方法