一种城市固废焚烧过程炉膛温度鲁棒预报方法

本发明属于炉膛温度预测领域，具体涉及一种城市固废焚烧过程炉膛温度鲁棒预报方法。

背景技术：

1、城市固废是指在日常生活中或为日常生活提供服务的活动中产生的固体废物，但是由于焚烧过程具有强耦合、大滞后、大惯性等特点，仅依靠现场的温度热电偶难以准确预报炉温的变化。因此，需要构建数据驱动的炉膛温度预报模型，以实现对炉膛温度变化的准确预报与预报。此外，在数据采集、数据记录与数据存储方面，均可能导致焚烧过程历史运行数据存在未知分布的异常值，并且，此类异常值的分布通常为非对称形式，故要求炉膛温度预报方法对此类异常值具有鲁棒性。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种城市固废焚烧过程炉膛温度鲁棒预报方法解决了现有技术对城市固废焚烧过程中炉膛温度预报不准确的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：一种城市固废焚烧过程炉膛温度鲁棒预报方法，包括以下步骤：

3、s1、根据预设的训练集建立初始炉温模型；

4、s2、假设训练数据中的噪声的先验分布遵循偏斜t分布，通过最大似然估计与期望条件最大化算法迭代优化模型的输出权重和超参数的集合，建立炉温预报模型；

5、s3、通过炉温预报模型对焚烧过程中炉膛温度进行预测。

6、进一步地：所述s1中，训练集x和y为训练样本；

7、初始炉温模型的表达式具体为下式：

8、

9、式中，为初始炉温模型包含的噪声的输出，xn为初始炉温模型的输入，xn∈x，yn为初始炉温模型的输出，yn∈y，h(xn)为模型隐含层输出矩阵，β为输出权重矩阵，εn为第n个样本包含的噪声，n为训练样本数量。

10、进一步地：所述s2包括以下分步骤：

11、s21、假设训练数据中的噪声的先验分布遵循偏斜t分布，引入潜变量，采用分级方式表示初始炉温模型的输出概率密度函数；

12、s22、基于初始炉温模型的输出概率密度函数，根据贝叶斯定理，建立在给定完整数据集条件下的初始炉温模型的输出权重的后验分布；

13、s23、对炉温模型输出权重的后验分布进行对数运算，根据最大后验估计算法，建立模型的输出权重和超参数的集合的计算通式；

14、s24、通过ecm算法(期望条件最大化算法，expectation conditionalmaximization)对模型的输出权重和超参数的集合的计算通式进行求解，并对模型的输出权重和超参数的集合进行迭代更新，当期望变化率满足终止条件时，根据最终的模型的输出权重和超参数建立炉温预报模型。

15、进一步地：所述s21中，假设训练数据中的噪声的先验分布遵循偏斜t分布，噪声的概率密度函数p(ε)的表达式具体为下式：

16、p(ε)＝st(0,σ2,λ,v)

17、式中，σ2为尺度参数，σ2∈(0,+∞)，λ为偏斜参数，λ∈r，r为实数，v为自由度参数，v∈(0,+∞)。

18、进一步地：所述s21中，初始炉温模型的输出的概率密度函数p(yn；xn,β,σ2,λ,v)的表达式具体为：

19、

20、式中，γn和τn为潜变量，v∈(0,+∞)，δλ为第一中间参数，为均值为h(xn)β+δλγn标准差为的正态分布，为截断区间为(0,∞)的截断正态分布，γ(·,·)为伽马分布。

21、进一步地：所述s22中，初始炉温模型的输出权重的后验分布p(β；t,σ2,λ,v)的表达式具体为下式：

22、

23、式中，st(h(xn)β,σ2,λ,v)为位置参数为h(xn)β，尺度参数为σ2，偏斜参数为λ，自由度为v，的偏斜t分布，为输出权重的先验分布，其表达式具体为下式：

24、

25、式中，l为炉温模型隐含层神经元数量，为输出权重的先验分布的方差。

26、进一步地：所述s23中，模型的输出权重和超参数的集合的计算通式具体为下式：

27、

28、式中，lnp(β；t,σ2,λ,v)为炉温模型输出权重的后验分布对数运算结果，为寻找函数最大值对应参数β,σ2,λ,v,

29、进一步地：所述s24中，对第k次迭代下的模型的输出权重和超参数的集合进行迭代更新的方法具体为：

30、sa1、计算炉温模型输出权重的后验分布对数运算结果的期望函数；

31、sa2、基于给定的第k次迭代下的模型的输出权重和超参数的集合，根据期望函数更新第k次迭代下的模型的输出权重和超参数的集合。

32、进一步地：所述sa1中，期望函数的表达式具体为下式：

33、

34、式中，c3为常数，为第二中间参数，其表达式具体为：

35、

36、

37、其中，

38、

39、式中，dg(·)表示digamm函数；

40、所述sa2中，更新和的表达式具体为下式：

41、

42、式中，ht(xn)为模型隐含层输出矩阵的转置，为第k+1次迭代下的输出权重矩阵，为第k+1次迭代下的先验分布的方差；

43、更新的表达式具体为下式：

44、

45、式中，为第k+1次迭代下的尺度参数；

46、更新的方法具体为：令和通过下式计算的值，将其作为第k+1次迭代下的偏斜参数

47、

48、式中，为第k+1次迭代下的尺度参数；

49、更新的方法具体为：令和通过下式计算的值，将其作为第k+1次迭代下的自由度参数

50、进一步地：所述s24中，期望变化率满足终止条件的表达式具体为：

51、

52、其中，κ为一个趋近于0的正数。

53、本发明的有益效果为：本发明提供了一种城市固废焚烧过程炉膛温度鲁棒预报方法，通过实时获取城市固废焚烧过程的过程数据，对采集到的过程数据建立训练集，并建立基于鲁棒随机配置网络的炉温预报模型，通过具有重尾特性的偏斜t分布模拟焚烧过程运行数据中非对称异常值的先验分布，并借助最大似然估计法求解炉膛温度预报模型的输出权重，提高炉膛温度预报模型对异常数据的鲁棒性，实现了城市固废焚烧过程炉膛温度的实时准确预报。

1.一种城市固废焚烧过程炉膛温度鲁棒预报方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的城市固废焚烧过程炉膛温度鲁棒预报方法，其特征在于，所述s1中，训练集x和y为训练样本；

3.根据权利要求2所述的城市固废焚烧过程炉膛温度鲁棒预报方法，其特征在于，所述s2包括以下分步骤：

4.根据权利要求3所述的城市固废焚烧过程炉膛温度鲁棒预报方法，其特征在于，所述s21中，假设训练数据中的噪声的先验分布遵循偏斜t分布，噪声的概率密度函数p(ε)的表达式具体为下式：

5.根据权利要求4所述的城市固废焚烧过程炉膛温度鲁棒预报方法，其特征在于，所述s21中，初始炉温模型的输出的概率密度函数p(yn；xn,β,σ2,λ,v)的表达式具体为：

6.根据权利要求5所述的城市固废焚烧过程炉膛温度鲁棒预报方法，其特征在于，所述s22中，初始炉温模型的输出权重的后验分布p(β；t,σ2,λ,v)的表达式具体为下式：

7.根据权利要求6所述的城市固废焚烧过程炉膛温度鲁棒预报方法，其特征在于，所述s23中，模型的输出权重和超参数的集合的计算通式具体为下式：

8.根据权利要求7所述的城市固废焚烧过程炉膛温度鲁棒预报方法，其特征在于，所述s24中，对第k次迭代下的模型的输出权重和超参数的集合进行迭代更新的方法具体为：

9.根据权利要求8所述的城市固废焚烧过程炉膛温度鲁棒预报方法，其特征在于，所述sa1中，期望函数的表达式具体为下式：

10.根据权利要求9所述的城市固废焚烧过程炉膛温度鲁棒预报方法，其特征在于，所述s24中，期望变化率满足终止条件的表达式具体为：