基于模糊信息粒化与改进的递归ELM区间预测方法仿真测试

论文摘要

目前,随着大规模工业生产过程的日益复杂,控制点的数量不断增加,对关键变量的预测提出了越来越高的要求。通常情况下,对关键变量的预测大多为点预测方法,然而,随着过程越来越复杂,以及监控变量存在大量不确定性变化,仅依靠点预测方法建立系统模型已经不能满足应用需求。同时在实际生产过程中,对未来的某个时间段进行数据的变化范围预测比实际数据预测更具有实际意义,因此,本文重点对工业过程中关键变量的不确定性进行研究和分析,内容如下:(1)工业生产过程多为动态时序过程,数据海量且变量之间相互依赖影响,呈现高度非线性、不确定性等特征。本文引入模糊信息粒化(Fuzzy Information Granulation,FIG)方法对数据进行预处理,此方法可有效减少计算量,并避免过度学习、时间过长等问题,实现对数据特征的提取。注意到,在模糊粒化的过程中,其特征提取效果受到模糊信息粒化的隶属度函数的制约,因此基于此本文对隶属度函数进行优选以更好地提取时序数据特征。为了验证其特征提取有效性,利用上证指数数据进行对比实验并进行隶属度函数优选。(2)传统ELM因随机设置隐含层节点,常常会导致模型结构不稳定,以及模型不具有动态特性,无法对工业生产过程进行时序性的描述,因此本文提出了 一种改进的递归极限学习机(Improved Recurrent ELM,IRELM)。首先在ELM输出层和隐含层之间引入反馈,用于记忆隐含层的输出数据和变化率,从而动态更新反馈层输出。其次,模型引入正则化惩罚减小模型结构误差。该模型反映了系统的动态特性,其很好地适应了工业生产过程的时间序列数据。为了验证模型的预测精度,利用上证指数数据进行对比实验,验证了所提IRELM模型较比于其他模型的优越性。(3)结合以上方法,本文提出了一种基于FIG与IRELM的区间预测模型,并应用区间评价指标评判区间预测模型效果。同时,将所提的区间预测方法应用于实际精对苯二甲酸(Pure Terephthalic Acid,PTA)溶剂系统,对其关键过程变量进行区间预测。实验结果表明:预测得到的区间具有的较高区间覆盖率及较窄区间宽度。综上所述,本文提出的基于FIG与IRELM的区间预测模型较好地解决了系统的不确定性问题。

论文目录

• 学位论文数据集
• 摘要
• abstract
• 第一章 绪论
•   1.1 课题来源
•   1.2 课题背景及研究意义
•   1.3 国内外研究发展现状
•     1.3.1 点预测研究现状
•     1.3.2 区间预测研究现状
•   1.4 课题研究内容
•   1.5 论文组织结构
• 第二章 基础理论方法
•   2.1 模糊信息粒化（FIG）
•   2.2 人工神经网络（ANN）
•   2.3 本章小结
• 第三章 基于FIG与改进RELM （IRELM）区间预测模型
•   3.1 区间预测模型构建
•   3.2 区间预测模型分析
•   3.3 实验验证与分析
•   3.4 本章小节
• 第四章 区间预测模型仿真测试
•   4.1 精对苯二甲酸（PTA）溶剂系统
•   4.2 PTA溶剂系统区间模型构建
•   4.3 PTA溶剂系统区间模型分析
•   4.4 本章小结
• 第五章 结论与展望
•   5.1 工作总结
•   5.2 未来展望
• 参考文献
• 致谢
• 研究成果及发表的学术论文
• 作者和导师简介
• 附件

文章来源

类型: 硕士论文

作者: 张伟

导师: 徐圆,吴鹏

关键词: 时间序列,模糊信息粒化,极限学习机,区间预测,精对苯二甲酸溶剂系统

来源: 北京化工大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 数学,数学,工业通用技术及设备

单位: 北京化工大学

基金: 国家自然科学基金面上项目《复杂工业过程报警识别分析与依赖溯源关键技术研究》(No.61573051),北京市自然科学基金面上项目《基于可拓理论和VRGIS的危化品事故预测及其虚拟展示关键技术研究》(No.4142039)

分类号: TB114.2

DOI: 10.26939/d.cnki.gbhgu.2019.000558

总页数: 72

文件大小: 5672K

下载量: 20