一种变种群规模DNA遗传算法的催化裂化主分馏塔建模方法

摘要

本发明公开了一种变种群规模DNA遗传算法的催化裂化主分馏塔建模方法。步骤如下：1）通过现场操作或实验采样获得催化裂化主分馏塔的输入输出数据作为建模数据；2）使用建模数据训练支持向量机，以交叉验证所得的均方差作为目标函数；3）设定DNA遗传算法的运行参数；4）运行变种群规模DNA遗传算法，对支持向量机的参数进行优化，得到支持向量机的最优参数，用于训练支持向量机，得到催化裂化主分馏塔的非参数模型。本发明将变种群规模DNA遗传算法与支持向量机相结合，同时引入一种受菌群耐药性启发的变异算子，用于催化裂化主分馏塔的非参数建模，有效的提高了支持向量机建模的精度。

主权项

一种变种群规模DNA遗传算法的催化裂化主分馏塔建模方法，其特征在于它的步骤如下：1)通过现场操作或实验采样获得催化裂化主分馏塔的输入输出数据作为建模数据，输入数据包括顶循流量Q₁、一中流量Q₂和二中流量Q₃，输出数据包括塔顶温度t₁、粗汽油干点t₂和轻柴油倾点t₃；2)设定变种群规模DNA遗传算法运行的参数：最大进化代数G_max，初始种群规模N，置换交叉概率p_c1，转位交叉概率p_c2，普通变异概率p_m以及菌群耐药性启发的变异操作概率p_ms，支持向量机参数(C，σ，ε)的取值范围和编码长度l，其中C为支持向量机的惩罚系数，σ为RBF核参数，ε为不敏感函数宽度；3)设定变种群规模DNA遗传算法的终止准则为：变种群规模DNA遗传算法运行代数达到最大进化代数G_max；4)使用建模数据训练支持向量机，将建模数据随机分为数量相等的A和B两部分，使用A部分数据训练支持向量机，B部分数据作为测试样本得到均方差Ma，再用B部分数据训练支持向量机，A部分数据作为测试样本得到均方差Mb，将均方差M＝Ma+Mb作为变种群规模DNA遗传算法的目标函数，运行变种群规模DNA遗传算法，最小化目标函数，优化支持向量机参数(C，σ，ε)；所述步骤4)具体为：(1)随机生成包含N个长度为L的DNA序列的初始种群，每一个DNA序列代表支持向量机的一组参数(C，σ，ε)的可能解，每个参数均由字符集{0,1,2,3}编码为一个长度为l的DNA子序列，支持向量机参数个数为3，因此一个DNA序列的编码长度为L＝3×l，设置种群最优解连续无更新代数β＝0；(2)将种群中的DNA序列解码为支持向量机参数，将该参数代入支持向量机，并且用建模数据训练支持向量机，以均方差M作为目标函数；(3)计算种群中每个个体的适应度值，并按照适应度值的大小对种群进行划分，适应度值大的N/2个体组成优势群体，适应度值小的N/2个体构成劣势群体，设Ncnew为经交叉操作产生的新个体数目，其初始值为0；(4)对种群中个体执行交叉操作直至Ncnew＞0.5N；(5)对种群中个体执行受菌群耐药性启发的变异操作和普通变异操作；(6)对种群中个体执行选择操作，同时将当代最优个体与上代最优个体进行比较，如果两者相同，β＝β+1，否则β＝0；(7)根据β的值判断是否增加种群规模；(8)如果满足终止准则，则算法结束，否则继续执行步骤(2)至步骤(7)直至满足终止准则；5)变种群规模DNA遗传算法运行到最大代数，对最优解进行解码，得到支持向量机的最优参数，将该最优参数代入并用建模训练支持向量机，获得催化裂化主分馏塔的非参数模型。