(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210618056.8 (22)申请日 2022.06.01 (71)申请人 浙江工业大 学 地址 310006 浙江省杭州市拱 墅区朝晖六 区潮王路18号 (72)发明人 刘毅　祝旺旺　冯宇　冯远静　 (74)专利代理 机构 杭州浙科专利事务所(普通 合伙) 33213 专利代理师 周红芳 (51)Int.Cl. G06F 30/20(2020.01) G06N 7/00(2006.01) G06F 111/08(2020.01) (54)发明名称 一种提升过程分布式输出预测的动态数据 校正方法 (57)摘要 本发明公开了一种动态数据校正方法， 该方 法主要用于提升化工过程分布式产品输出预测 的准确性， 具体包括以下步骤： (1)建立软测量预 测模型； (2)分布式产品输出的预测； (3)利用测 量信息对模型预测误差进行迭代计算； (4)根据 测量信息及预测 信息在线 校正预测结果。 在测量 不准确的情况下， 本发明方法综合测量信息及模 型预测信息对分布式产品输出预测结果进行校 正， 提高了分布式产品模型预测输出的准确性， 从而实现产品过程的高效监测与评估。 权利要求书2页 说明书6页 附图5页 CN 114996938 A 2022.09.02 CN 114996938 A 1.一种提升过程分布式输出 预测的动态数据校正方法， 其特 征在于， 包括以下步骤： (1)建立软测量预测模型： 构建预测模型， 采集决定过程运行状况的可测量变量作为软测量模型的输入， 模型的 预测输出是未测量的分布式产品输出变量； 将离线测得的由输出变量及输入变量所构成的 数据划分为训练集及测试集； (2)分布式产品输出的预测： 对建立的预测模型进行训练， 训练完成后， 输入可测量变量对产品输出的分布形状进 行在线预测， 将模型 预测结果与离线测量的真实输出进行比较并分析模型的可靠性； (3)利用测量信息对 模型预测误差进行迭代计算： 当测量环境变化导致测量不准确时， 对模型预测误差进行迭代计算， 多次迭代后， 当预 测误差收敛时， 选取 稳定后的模型 预测误差值用于最终的预测输出 校正； (4)根据测量信息及预测信息在线校正预测结果： 对测量信 息及模型预测信 息使用贝叶斯公式， 得到基于测量信 息及预测信 息的实际输 出后验分布； 根据最大后验概率估计MAP思想求解后验分布表达式可得到产品真实输出 的 估计值； 将真实输出估计值作为动态数据校正D DR对分布式产品预测输出的校正结果。 2.如权力要求1所述的一种提升过程分布式输出预测的动态数据校正方法， 其特征在 于， 所述步骤(1)中采用最小二乘支持向量回归方法构建基于即时核学习JKL的预测模型， 具体过程如下： 步骤1.1， 建立基于训练集得到的第i个采样点的M个候选JKL预测模型， 表示公式如下： 其中， uq和yi分别表示决定过程运行状况的可测量变量和离线测得的输出变量， 即预测 模型的测试集； xq,i和Sqi分别为查询样本及数据库中与xq,i相似的数据集； [Cm, σm]为M对候 选参数； 步骤1.2： 应用FLOO准则评估每个候选模型的可行性， 对于xq,i， 每个候选模型的FLOO误 差 表示为： 式中， lqi表示根据累积相似因子定义的最相似样本数目， 表示基于FLOO准则计算 的第j个样本的预测误差； 步骤1.3： 采用集成策略组合每 个JKL模型， 基于集成策略定义的模型权 重为： 由上式可知， 单个模型的FL OO误差越大， 该模型的权重越小； 最后， 在有 Nq个采样点的情 况下， 给出了最终的分布形状预测EJKL模型：权　利　要　求　书 1/2 页 2 CN 114996938 A 23.如权力要求1所述的一种提升过程分布式输出预测的动态数据校正方法， 其特征在 于， 所述步骤(3)的过程 为： 考虑测量噪声的影响， 在测量 不准确的情况 下， 采用迭代法修 正模型预测误差； 步骤3.1、 将包含测量噪声的实际测量输出ymea(t)与步骤(2)中预测输出yejkl(t)的差值 作为模型 预测误差初始值， 将其协方差设为 Σδ0； 步骤3.2、 第一次迭代， 迭代过程 为： yddr1(t)＝yejkl(t)+(Σρ‑1+Σδ0‑1)‑1Σρ‑1(ymea(t)‑yejkl(t)) 式中， Σρ表示测量噪声的协方差； 取yddr1(t)与yejkl(t)的差值作为模型预测误差的第 一次迭代结果， 将其协方差设为 Σδ 1； 步骤3.3： 设经过n次迭代后， 模型预测误差开始收敛， 设模型预测误差收敛值的协方差 为Σδ n， 将Σδ n用于最终的预测输出 校正的计算。 4.如权力要求1所述的一种提升过程分布式输出预测的动态数据校正方法， 其特征在 于， 所述步骤(4)的过程 为： 步骤4.1、 对测量输出ymea(t)及模型预测输出yejkl(t)使用贝叶斯公式得到基于yejkl (t)、 ymea(t)的真实输出后验分布： 其中， N表示向量维数， y(t)表示真实输出， Σρ和Σδ分别为测量噪声和模型预测误差的 协方差。 步骤4.2： 根据最大后验概率估计MAP， 后验分布表达式取最大值时的y(t)即为实际输 出的估计值yddr(t)； 对步骤4.1中后验分布的表达式求极值， 得到y(t)估计值的表达式为： yddr(t)＝yejkl(t)+(Σρ‑1+Σδ‑1)‑1Σρ‑1(ymea(t)‑yejkl(t))； 步骤4.3： 设估计值yddr(t)与实际值y(t)的误差为ξ(t)， 通过 数学推导可证明： tr{[cov[ ξ(t)] ]}＜min{tr[Σρ,Σδ]} 上式表明， 估计值误差的方差小于测量噪声方差和模型预测误差方差的最小值， 即动 态数据校正D DR可以实现对 模型预测输出的校正。权　利　要　求　书 2/2 页 3 CN 114996938 A 3