结合过程先验和数据驱动模型的混合建模方法及系统

摘要

本发明揭示了一种结合过程先验和数据驱动模型的混合建模方法及系统，所述方法包括：从已知的数据驱动模型中选择数据驱动模型和合适的模型结构建立对应模型的数学关系表达式，将所有的模型参数按照一定的顺序排列；对模型过程先验进行验证，得到检验模型违反过程先验程度的约束方程；将样本的模型输出和观测值比较，建立检验模型拟合训练样本程度的优化目标方程；将约束方程和优化目标方程联合，构建约束优化问题，采用约束处理智能算法求解最优参数解；将求解得到的最优参数解，作为S1的模型参数解，代入原模型中，用于模型预测或模型优化。本发明可以在少量数据样本的神经网络训练下得到更符合先验知识的模型，避免过拟合现象的发生。

主权项

一种结合过程先验和数据驱动模型的混合建模方法，其特征在于，利用过程先验和机理信息改进数据驱动模型的准确性和精度，提高模型预测能力和鲁棒性，避免过拟合发生；机理信息主要包括输出响应信息、输出响应阶次信息；所述方法包括如下步骤：步骤S1、从已知的数据驱动模型中选择合适的数据驱动模型和合适的模型结构，建立对应模型的数学关系表达式，将所有的模型参数按照一定的顺序排列；步骤S2、定步扫描方法对模型过程先验进行验证，得到检验模型违反过程先验程度的约束方程；模型过程先验主要包括输出响应信息、输出响应的表现为单调性的一阶信息和表现为凹凸性的二阶信息；步骤S3、将样本的模型输出和观测值比较，根据均方差公式和正则化方法建立检验模型拟合训练样本程度的优化目标方程；步骤S4、将约束方程和优化目标方程联合，构建约束优化问题，采用约束处理智能算法求解最优参数解；步骤S5、将求解得到的最优参数解，作为步骤S1的模型参数解，代入原模型中，用于模型预测或模型优化。