申请/专利权人：浙江科技学院

申请日：2022-04-27

公开（公告）日：2024-04-23

公开（公告）号：CN114781166B

主分类号：G06F30/20

分类号：G06F30/20;G06F17/18;G06F111/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.08.09#实质审查的生效;2022.07.22#公开

摘要：本发明涉及一种基于加权概率慢特征模型的污水处理过程软测量方法，首先对污水处理过程进行在线采样获得训练样本集和下一时刻的查询样本，建立加权概率慢特征分析模型提取训练样本的慢特征，采用EM算法估计模型参数，随后建立输出变量与慢特征之间的局部加权回归模型；对于当前查询样本，提取慢特征并对查询样本的输出进行预测，然后将其加入训练样本集中，等待下一个污水处理过程的在线采样样本，重复上述步骤对其输出进行预测，从而得出污水处理过程出水水质的在线预测结果。本发明提高了针对污水处理过程的非线性动态建模能力以及出水水质的预测效果，基于此的污水处理过程监测和控制也更有效。

主权项：1.一种基于加权概率慢特征模型的污水处理过程软测量方法，其特征在于，包括下述步骤：（1）对污水处理过程进行在线采样，采集前M个时刻的样本组成建模用的训练样本集，获取第M+1个时刻的采集样本作为查询样本；（2）对训练样本集和查询样本进行预处理，利用欧氏距离和权重计算公式获取训练样本的权重向量；（3）建立加权概率慢特征分析模型，结合当前模型参数的初始值，利用期望最大化算法估计得到模型参数的更新值；（4）当所有模型参数的更新值满足收敛要求时，得到模型参数的最终值，进而得到加权概率慢特征分析模型，进入步骤（5）；否则，将模型参数的更新值作为模型参数的初始值，返回步骤（3）；（5）利用加权概率慢特征分析模型获取训练样本的慢特征以后，建立输出变量与慢特征之间的局部加权回归模型；（6）提取当前查询样本的慢特征，并对其输出变量进行预测，然后将其加入训练样本集中，等待下一个污水处理过程的在线采样样本，并重复上述步骤对其输出进行预测，得出污水处理过程出水水质的在线预测结果；步骤（1）中，对污水处理过程进行在线采样，采集前M个时刻的样本记为X={x1,x2,…,xM}，对应的输出值记为Y={y1,y2,…,yM}，组成建模用的训练样本集，其中xM表示第M个时刻的过程向量样本，X表示前M个时刻采集的过程向量样本集合，yM表示第M个时刻的输出变量样本，y表示前M个时刻的输出变量样本集合；获取第M+1个时刻的过程向量xM+1作为查询样本xq；步骤（2）中，所述预处理主要包括归一化处理，计算每个训练样本和查询样本间的欧式距离和角度： ；其中，t为变量，表示第t个时刻，取值从1到M；xt为变量，表示第t个时刻的过程向量样本，取值从x1到xM；上标T表示向量转置；计算每个训练样本的权重： ；其中，α为控制权重随距离变化速度的参数，且α∈[0,1]；将获取的权重向量记为；步骤（3）中，获取数据序列X和权重向量w后，即可建立加权概率慢特征分析模型并采用期望最大化算法优化模型参数；模型的基本形式如下： ；其中st表示第t时刻的慢特征，xt表示第t时刻的观测变量，F为状态转移矩阵且F=diag{λ1,…,λq}，λj控制着不同时间点第j维慢特征之间的关联强度；H∈Rm×q为状态发散矩阵；∧和∑分别为隐状态和观测变量的噪声方差矩阵；假设慢特征和观测变量均被独立同分布的高斯噪声所破坏，则∧和∑为对角矩阵且∧=diag{1-λ12,…,1-λq2}，∑=diag{σ12,…,σm2}，其中σj2为第j维慢特征的方差；由于st为平稳随机过程，故假设初始态分布为标准高斯分布ps1=N0,Iq；将模型参数记为，加权概率慢特征分析模型在训练集上的完整数据对数似然函数为： ；对模型参数随机进行初始化；在模型参数估计的最大化步骤，根据当前的模型参数，获取模型潜隐变量估计的更新值，具体公式为： ；其中，E[]表示期望，st和st-1分别表示第t时刻和第t-1时刻的慢特征，和分别表示卡尔曼估计值μt和μt-1的后向估计，Jt-1表示与卡尔曼估计误差协方差相关的中间变量，表示卡尔曼估计误差协方差矩阵Vt的后向估计；表达式（5）中各项分别由前向算法和后向算法计算可得：前向算法的递归式为： ；其中，Pt-1表示第t-1时刻估计误差协方差，Vt-1和Vt分别表示第t-1时刻和第t时刻的卡尔曼估计误差协方差矩阵，Kt表示第t时刻的卡尔曼增益，μt和μt-1分别表示第t时刻和第t-1时刻的卡尔曼估计值，I表示单位矩阵；后向算法的递归式为： ；在最大化步骤，根据期望步骤的更新结果，获取模型参数的更新值；求解以下方程在[0,1]范围内的根，即可获得模型参数λj，1≤j≤q的更新值： ；参数H，∑的更新公式为： 。

全文数据：

权利要求：

百度查询： 浙江科技学院 基于加权概率慢特征模型的污水处理过程软测量方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD