1.一种能源化工生产系统多元监测时间序列回归预测方法,其特征在于,包括以下步骤:
步骤1)、收集能源化工生产系统多元监测时间序列历史数据,利用符号传递熵计算方法度量多元监测时间序列历史数据的耦合关系,根据耦合关系强弱程度确定目标监测时间序列回归预测的辅助监测时间序列;
步骤2)、根据步骤1)得到辅助监测时间序列,采用深度回声状态网络建立目标监测时间序列的回归预测模型;
步骤3)、采用leaky-relu激活函数优化回归预测模型的激活函数;
步骤4)、利用差分进化算法对步骤3)优化后的回归预测模型的超参数进行优化,利用超参数优化后的回归预测模型进行目标监测时间序列的回归预测。
2.根据权利要求1所述的一种能源化工生产系统多元监测时间序列回归预测方法,其特征在于,步骤1)中多元监测时间序列耦合关系计算具体包括以下步骤:
1.1)、对能源化工生产系统中每个监测时间序列进行相空间重构,相空间重构的延迟时间t和嵌入维数m分别采用互信息法和cao方法确定;
1.2)、对于进行符号传递熵计算的两个监测时间序列应该有相同的相空间重构参数,其公共相空间重构参数为:
式中,m—表示公共嵌入维数,t—表示公共延迟时间,int—表示取整;
1.3)、通过步骤1.2)获得公共相空间重构参数后,进行监测时间序列的相空间重构,设监测时间序列x={x1,x2,…,xn-1,xn}的长度为n,按照嵌入理论,其相空间重构矩阵为:
式中,nm——重构的相空间矩阵中相点个数,且nm=n-(m-1)τ;τ——延迟时间;m——嵌入维数,且m≥2d+1;
1.4)、对步骤1.3)获得的相空间矩阵进行符号化以获得符号序列,对每一个m维xt=(xt,xt+τ,...,xt+(m-1)τ)向量,时间t按等级kt1升序排列为
1.5)、通过步骤1.4)得到nm个符号序列,统计每个符号序列出现的频率,计算相关条件概率和联合概率,按照公式(4)计算符号传递熵:
1.6)、根据步骤1.5)符号传递熵的计算结果,选取与目标监测时间序列有较强耦合关系的监测时间序列作为辅助监测时间序列。
3.根据权利要求2所述的一种能源化工生产系统多元监测时间序列回归预测方法,其特征在于,监测时间序列之间的耦合关系值若大于设定的耦合阈值,则作为辅助监测时间序列,监测时间序列之间的耦合关系值小于设定的耦合阈值,则舍弃。
4.根据权利要求1所述的一种能源化工生产系统多元监测时间序列回归预测方法,其特征在于,将选择的辅助监测时间序列作为输入,采用回声状态网络desn建立目标监测时间序列的回归预测模型,并对回归预测模型进行学习训练。
5.根据权利要求4所述的一种能源化工生产系统多元监测时间序列回归预测方法,其特征在于,回声状态网络模型学习训练过程具体包括以下步骤:
2.1)、初始化回声状态网络模型,在选取储备池参数l、n、sr、is和sd的基础上生成储备池及其对应的邻接矩阵wi,随机生成权值矩阵wiin和wback,设置储备池的初始状态x(0);在之后的训练过程中,wiin、wi和wback均不再更新;l—深度储备池的层数,n—单层储备池神经元个数,sr—储备池谱半径,is—储备池输入单元尺度,sd—储备池稀疏程度;
2.2)、深度储备池状态更新,回声状态网络模型的深度储备池层的状态更新方程方式如下:
xi(t+1)=(1-ξ)xt(t)+fout(wiinli(t+1)+wixi(t))(5)
其中,xi代表第i个储备池的状态,
其中,nu表示输入层的神经元个数;
2.3)、网络状态收集:回声状态网络模型具有多个储备池,需要将各储备池每一步的网络状态矩阵都进行收集,组成一个状态收集矩阵s,即:
s(t)=[x1(t),x2(t)…,xl(t)](7)
其中,l表示储备池层数;
2.4)、计算输出权值矩阵,回声状态网络模型的输出状态矩阵d和网络状态矩阵s以及输出权值矩阵wout有如下关系:
d=swout(8)
采用线性回归的方式求解wout,即:
wout=s-1d(9)
使用状态矩阵s伪逆s+1代替s-1,即:
wout=s+1d(10)。
6.根据权利要求1所述的一种能源化工生产系统多元监测时间序列回归预测方法,其特征在于,对差分进化算法模型进行初始化:确定适应度函数、设置基本参数和确定解空间及解分量控制限,完成初始化后初始化种群并计算初始种群的适应度值,若初始种群中有个体的适应度值为零或者初始化达到设定的最大的进化代数,则停止进化并输出最优解,否则继续迭代进化直至达到设定的最大的进化代数。
7.根据权利要求6所述的一种能源化工生产系统多元监测时间序列回归预测方法,其特征在于,步骤4)具体包括以下步骤:
4.1、确定回声状态网络模型的适应度函数,设置适应度函数的适应度值;
4.2、设置差分进化算法的基本参数;
4.3、设置解空间所有分量的上下限,将desn模型每个超参数都对应解空间中的一个解分量,根据各超参数的取值范围,设置对应解分量的上下限,根据相应参数初始化种群;
4.4、计算初始化后种群的适应度值。
8.根据权利要求6所述的一种能源化工生产系统多元监测时间序列回归预测方法,其特征在于,
在迭代进化过程中,对种群间个体进行变异操作:首先在种群中随机选取三个不同个体xr1(t)、xr2(t)、xr3(t),将第一个视为待变异个体,然后计算其余两个个体的向量差并用缩放因子对其进行缩放,最后将待变异个体和经过缩放的向量差进行向量求和得到变异中间体,其计算公式如下:
hi(t+1)=xr1(t)+f*(xr2(t)-xr3(t))(11)
式中:hi(t+1)表示变异个体;r1、r2、r3是三个随机取得的整数,取值区间为[1,np];f是缩放因子,t表示第t代;
在迭代进化过程中,对种群间个体进行交叉操作:在第t进化过程中,在当前种群{xi(t)}和变异中间体{vi(t+1)}中进行个体间的交叉操作,其公式如下:
其中,cr表示交叉概率;
在迭代进化过程中,对种群间个体进行选择操作:根据贪婪选择的策略挑选出适应度值更优的个体进入下一代种群,其公式如下:
式中,f(·)表示适应度函数。
9.根据权利要求6所述的一种能源化工生产系统多元监测时间序列回归预测方法,其特征在于,将回声状态网络模型在测试集上的回归预测误差作为适应度值。
10.根据权利要求7所述的一种能源化工生产系统多元监测时间序列回归预测方法,其特征在于,差分进化算法的基本参数包括种群规模nr、缩放因子f和交叉概率cr。