本發(fā)明實(shí)施例涉及石油化工技術(shù)領(lǐng)域，具體涉及一種催化裂化反應(yīng)軟測量輔助變量的選取方法及系統(tǒng)。

背景技術(shù)：

重油催化裂化(rfcc)在我國煉油工業(yè)占有重要地位，是煉廠提高經(jīng)濟(jì)效益的重要手段。但隨著原油的重質(zhì)化、劣質(zhì)化，我國rfcc原料的摻渣率不斷提高，原料性質(zhì)越來越差，使rfcc產(chǎn)物分布及產(chǎn)品質(zhì)量變差，輕質(zhì)油收率低，焦炭干氣產(chǎn)率高。這對(duì)裝置工藝點(diǎn)的實(shí)時(shí)調(diào)節(jié)優(yōu)化有了更高的要求。如果能準(zhǔn)確得知某一時(shí)刻的焦炭產(chǎn)率，就能夠?qū)崟r(shí)反饋到先進(jìn)控制系統(tǒng)中，對(duì)工藝操作進(jìn)行調(diào)優(yōu)。

然而催化裂化裝置中的焦炭產(chǎn)率是無法通過傳感器實(shí)時(shí)測量得到的，目前計(jì)算催化裂化過程產(chǎn)品收率的關(guān)聯(lián)式一般根據(jù)實(shí)際操作數(shù)據(jù)和中型實(shí)驗(yàn)數(shù)據(jù)得出，適用于工藝方案估算或技術(shù)經(jīng)濟(jì)評(píng)價(jià)，難以用于具體指導(dǎo)工程設(shè)計(jì)或現(xiàn)場優(yōu)化操作。軟測量技術(shù)正是為了解決這類待測變量的實(shí)時(shí)測量和控制問題而逐漸發(fā)展起來的。其核心是建立易測變量(通常稱為輔助變量、輸入變量)與難測變量(通常稱為主導(dǎo)變量、輸出變量)之間的軟測量模型。軟測量過程中的輔助變量選取較為困難，單純憑借經(jīng)驗(yàn)對(duì)變量選取往往會(huì)導(dǎo)致軟測量失敗。輔助變量選取過少，可能會(huì)遺漏重要的解釋因素；輔助變量選取過多，一方面會(huì)加大數(shù)據(jù)采集的難度和存儲(chǔ)量，另一方面會(huì)造成不必要的干擾和影響，出現(xiàn)過擬合的情況，模型適應(yīng)性差。在石油化工行業(yè)中，尤其在催化裂化中對(duì)于焦炭產(chǎn)率軟測量過程中的輔助變量選擇依然是空白。

因此，如何提出一種方案，能夠簡化軟測量過程，進(jìn)一步提高催化裂化軟測量輔助變量選取的準(zhǔn)確性，成為亟待解決的問題。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明實(shí)施例提供了及一種催化裂化反應(yīng)軟測量輔助變量的選取方法及系統(tǒng)。

一方面，本發(fā)明實(shí)施例提供了一種催化裂化反應(yīng)軟測量輔助變量的選取方法，包括：獲取催化裂化反應(yīng)的基礎(chǔ)數(shù)據(jù)和焦炭產(chǎn)率數(shù)據(jù)，所述基礎(chǔ)數(shù)據(jù)包括：原料性質(zhì)數(shù)據(jù)、催化劑性質(zhì)數(shù)據(jù)和操作參數(shù)數(shù)據(jù)；

根據(jù)所述基礎(chǔ)數(shù)據(jù)獲取催化裂化反應(yīng)軟測量的多個(gè)初始輔助變量，利用互信息法獲取各所述初始輔助變量與所述焦炭產(chǎn)率數(shù)據(jù)之間的第一互信息值，其中所述第一互信息值大于等于-1小于等于1；

根據(jù)所述第一互信息值，對(duì)所述初始輔助變量進(jìn)行篩選，獲得目標(biāo)輔助變量。

進(jìn)一步地，所述根據(jù)所述第一互信息值，對(duì)所述初始輔助變量進(jìn)行篩選，獲得目標(biāo)輔助變量，包括：

按照各所述初始輔助變量對(duì)應(yīng)的第一互信息值的絕對(duì)值從大到小的順序，對(duì)各所述初始輔助變量進(jìn)行排序，獲取排序靠前的預(yù)設(shè)數(shù)量的初始輔助變量作為初篩輔助變量；

根據(jù)所述初篩輔助變量獲取所述目標(biāo)輔助變量。

進(jìn)一步地，所述根據(jù)所述第一互信息值，對(duì)所述初始輔助變量進(jìn)行篩選，獲得目標(biāo)輔助變量，包括：

設(shè)置第一預(yù)設(shè)閾值范圍，將所述第一互信息值的絕對(duì)值在所述第一閾值范圍內(nèi)的初始輔助變量作為初篩輔助變量；

根據(jù)所述初篩輔助變量獲取所述目標(biāo)輔助變量。

進(jìn)一步地，所述根據(jù)根據(jù)所述初篩輔助變量獲取所述目標(biāo)輔助變量，包括：

利用互信息法獲取各所述初篩輔助變量之間的第二互信息值，若兩個(gè)所述初篩輔助變量之間的第二互信息值的絕對(duì)值大于預(yù)設(shè)閾值，則剔除所述第一互信息值的絕對(duì)值較小的所述初篩輔助變量，將剩余的初篩輔助變量作為所述目標(biāo)輔助變量；

所述第二互信息值大于等于-1小于等于1。

進(jìn)一步地，所述根據(jù)催化裂化裝置的基礎(chǔ)數(shù)據(jù)獲取催化裂化反應(yīng)軟測量的多個(gè)初始輔助變量，包括：

獲取所述催化裂化反應(yīng)在預(yù)設(shè)時(shí)間內(nèi)的各類基礎(chǔ)數(shù)據(jù)預(yù)選數(shù)據(jù)，將所述預(yù)選數(shù)據(jù)進(jìn)行異常值的剔除，獲得多個(gè)初選輔助變量，根據(jù)所述初選輔助變量獲得所述初始輔助變量，其中所述異常值包括0、負(fù)值、空數(shù)據(jù)和與所述預(yù)選數(shù)據(jù)的平均值的差大于三倍標(biāo)準(zhǔn)差的數(shù)據(jù)。

進(jìn)一步地，所述根據(jù)所述初選輔助變量獲得所述初始輔助變量，包括：

根據(jù)公式對(duì)各所述初選輔助變量進(jìn)行歸一化處理，獲得所述初始輔助變量，式中：pk表示歸一化值，pi表示所述初選輔助變量中的第i個(gè)數(shù)據(jù)，pmin表示所述初選輔助變量中的最小值，pmax表示所述初選輔助變量中的最大值。

進(jìn)一步地，利用bp神經(jīng)網(wǎng)絡(luò)對(duì)所述目標(biāo)輔助變量進(jìn)行檢測。

另一方面，本發(fā)明實(shí)施例提供一種催化裂化反應(yīng)軟測量輔助變量的選取系統(tǒng)，包括：數(shù)據(jù)獲取單元，用于獲取催化裂化反應(yīng)的基礎(chǔ)數(shù)據(jù)和焦炭產(chǎn)率數(shù)據(jù)，所述基礎(chǔ)數(shù)據(jù)包括：原料性質(zhì)數(shù)據(jù)、催化劑性質(zhì)數(shù)據(jù)和操作參數(shù)數(shù)據(jù)；

互信息值計(jì)算單元，用于根據(jù)所述基礎(chǔ)數(shù)據(jù)獲取催化裂化反應(yīng)軟測量的多個(gè)初始輔助變量，利用互信息法獲取各所述初始輔助變量與所述焦炭產(chǎn)率數(shù)據(jù)之間的第一互信息值，其中所述第一互信息值大于等于-1小于等于1；

輔助變量選取單元，用于根據(jù)所述第一互信息值，對(duì)所述初始輔助變量進(jìn)行篩選，獲得目標(biāo)輔助變量。

再一方面，本發(fā)明實(shí)施例提供一種用于催化裂化反應(yīng)軟測量輔助變量選取的電子設(shè)備，包括：

至少一個(gè)處理器；以及

與所述處理器通信連接的至少一個(gè)存儲(chǔ)器，其中：

所述存儲(chǔ)器存儲(chǔ)有可被所述處理器執(zhí)行的程序指令，所述處理器調(diào)用所述程序指令能夠執(zhí)行上述的方法。

又一方面，本發(fā)明實(shí)施例提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令使所述計(jì)算機(jī)執(zhí)行上述方法。

本發(fā)明實(shí)時(shí)例提供的催化裂化反應(yīng)軟測量輔助變量的選取方法和系統(tǒng)，利用互信息法對(duì)催化裂化反應(yīng)軟測量的輔助變量進(jìn)行篩選，可以快速的獲取到與催化裂化反應(yīng)的焦炭產(chǎn)率相關(guān)的輔助變量，減少了催化裂化反應(yīng)軟測量中輔助變量的數(shù)量，提高了催化裂化軟測量輔助變量選取的準(zhǔn)確性，簡化了軟測量過程，進(jìn)一步提升了催化裂化反應(yīng)軟測量的性能及其泛化能力。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例中催化裂化反應(yīng)軟測量輔助變量的選取方法的流程示意圖；

圖2為本發(fā)明實(shí)施例中初始輔助變量的軟測量結(jié)果示意圖；

圖3為本發(fā)明實(shí)施例中目標(biāo)輔助變量的軟測量結(jié)果示意圖；

圖4為本發(fā)明實(shí)施例中又一催化裂化反應(yīng)軟測量輔助變量的選取方法的流程示意圖；

圖5為本發(fā)明實(shí)施例中催化裂化反應(yīng)軟測量輔助變量的選取系統(tǒng)的結(jié)構(gòu)示意圖；

圖6為本發(fā)明實(shí)施例中用于催化裂化反應(yīng)軟測量輔助變量選取的電子設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

圖1為本發(fā)明實(shí)施例中催化裂化反應(yīng)軟測量輔助變量的選取方法的流程示意圖，如圖1所示，本發(fā)明實(shí)施例提供的催化裂化反應(yīng)軟測量輔助變量的選取方法包括：

s1、獲取催化裂化反應(yīng)的基礎(chǔ)數(shù)據(jù)和焦炭產(chǎn)率數(shù)據(jù)，所述基礎(chǔ)數(shù)據(jù)包括：原料性質(zhì)數(shù)據(jù)、催化劑性質(zhì)數(shù)據(jù)和操作參數(shù)數(shù)據(jù)；

具體地，根據(jù)催化裂化反應(yīng)的實(shí)際情況，獲取催化裂化反應(yīng)的基礎(chǔ)數(shù)據(jù)和焦炭產(chǎn)率數(shù)據(jù)，其中焦炭產(chǎn)率數(shù)據(jù)是指催化裂化反應(yīng)中焦炭產(chǎn)率的實(shí)際值。催化裂化反應(yīng)的基礎(chǔ)數(shù)據(jù)包括：原料性質(zhì)數(shù)據(jù)、催化劑性質(zhì)數(shù)據(jù)和操作參數(shù)數(shù)據(jù)。原料性質(zhì)數(shù)據(jù)是指催化裂化反應(yīng)的原料的性質(zhì)相關(guān)的數(shù)據(jù)如：原料油飽和烴含量、原料油芳烴含量、原料油瀝青質(zhì)+膠質(zhì)含量、原料油10％餾出溫度、原料油50％餾出溫度、原料油90％餾出溫度、原料油鈉含量等；催化劑性質(zhì)數(shù)據(jù)是指催化裂化反應(yīng)中與催化劑的性質(zhì)相關(guān)的數(shù)據(jù)如：催化劑活性、再生劑微反活性指數(shù)、再生劑定碳含量、平衡劑活性、再生劑鈉含量、再生劑鎳和釩含量等；操作參數(shù)數(shù)據(jù)是指與催化裂化反應(yīng)操作相關(guān)的數(shù)據(jù)如：催化劑溫度、原料溫度、反應(yīng)溫度、反應(yīng)壓力、原料油量、預(yù)提升蒸汽流量、原料油霧化蒸汽流量、預(yù)提升干氣流量、回?zé)挶?、劑油比、二反料位、粗汽油至提升管反?yīng)器流控等。當(dāng)然，根據(jù)需要還可以包括其他與催化裂化反應(yīng)有關(guān)的基礎(chǔ)數(shù)據(jù)，本發(fā)明實(shí)施例不作具體限定。

其中焦炭產(chǎn)率數(shù)據(jù)和基礎(chǔ)數(shù)據(jù)都可以通過催化裂化裝置的監(jiān)控系統(tǒng)或催化裂化dcs系統(tǒng)獲得，或通過其他方式獲取，本發(fā)明實(shí)施例不作具體限定。

s2、根據(jù)所述基礎(chǔ)數(shù)據(jù)獲取催化裂化反應(yīng)軟測量的多個(gè)初始輔助變量，利用互信息法獲取各所述初始輔助變量與所述焦炭產(chǎn)率數(shù)據(jù)之間的第一互信息值，其中所述第一互信息值大于等于-1小于等于1；

具體地，獲取到催化反應(yīng)的基礎(chǔ)數(shù)據(jù)后，根據(jù)這些基礎(chǔ)數(shù)據(jù)獲取與催化裂化反應(yīng)的焦炭產(chǎn)率可能相關(guān)的催化裂化反應(yīng)軟測量需要的多個(gè)初始輔助變量，例如溫度、氣壓等。獲取到催化裂化反應(yīng)的初始輔助變量后，利用互信息法獲取各個(gè)初始輔助變量與催化裂化反應(yīng)的焦炭產(chǎn)率之間的第一互信息值，互信息法可以度量兩個(gè)對(duì)象之間的相關(guān)性。第一互信息值的大小介于-1到1之間，第一互信息值為0代表該初始輔助變量與焦炭產(chǎn)率之間沒有相關(guān)性，第一互信息值為±1代表該初始輔助變量與焦炭產(chǎn)率之間的相關(guān)性最大。

其中，具體使用互信息法獲得各初始輔助變量與催化裂化反應(yīng)的焦炭產(chǎn)率之間的互信息值的方法，可以采用相關(guān)的計(jì)算機(jī)軟件獲得如matlab等，本發(fā)明實(shí)施例不作具體限定。

s3、根據(jù)所述第一互信息值，對(duì)所述初始輔助變量進(jìn)行篩選，獲得目標(biāo)輔助變量。

具體地，可以根據(jù)第一互信息值的大小判斷出各個(gè)初始輔助變量與催化裂化反應(yīng)的焦炭產(chǎn)率之間的相關(guān)程度，進(jìn)一步對(duì)初始輔助變量進(jìn)行篩選，獲取與催化裂化反應(yīng)的焦炭產(chǎn)率相關(guān)程度大的初始輔助變量作為目標(biāo)輔助變量。

本發(fā)明實(shí)時(shí)例提供的催化裂化反應(yīng)軟測量輔助變量的選取方法，利用互信息法對(duì)催化裂化反應(yīng)軟測量的輔助變量進(jìn)行篩選，可以快速的獲取到與催化裂化反應(yīng)的焦炭產(chǎn)率相關(guān)的輔助變量，減少了催化裂化反應(yīng)軟測量中輔助變量的數(shù)量，提高了催化裂化軟測量輔助變量選取的準(zhǔn)確性，簡化了軟測量過程，進(jìn)一步提升了催化裂化反應(yīng)軟測量的性能及其泛化能力。

在上述實(shí)施例的基礎(chǔ)上，所述根據(jù)所述第一互信息值，對(duì)所述初始輔助變量進(jìn)行篩選，獲得目標(biāo)輔助變量，包括：

按照各所述初始輔助變量對(duì)應(yīng)的第一互信息值的絕對(duì)值從大到小的順序，對(duì)各所述初始輔助變量進(jìn)行排序，獲取排序靠前的第一預(yù)設(shè)數(shù)量的初始輔助變量作為初篩輔助變量；

根據(jù)所述初篩輔助變量獲取所述目標(biāo)輔助變量。

具體地，本發(fā)明實(shí)施例將獲取到的與催化裂化反應(yīng)的焦炭產(chǎn)率可能相關(guān)的多個(gè)初始輔助變量，并根據(jù)互信息法獲得各個(gè)初始輔助變量與焦炭產(chǎn)率的第一互信息值。按照各個(gè)初始輔助變量對(duì)應(yīng)的第一互信息值的絕對(duì)值從大到小的順序，對(duì)各個(gè)初始輔助變量進(jìn)行排序，獲取排序靠前的第一預(yù)設(shè)數(shù)量個(gè)初始輔助變量作為初篩輔助變量。其中第一預(yù)設(shè)數(shù)量的大小可以根據(jù)實(shí)際情況進(jìn)行設(shè)置，本發(fā)明實(shí)施例不作具體限定。

實(shí)際使用時(shí)，還可以設(shè)置第一預(yù)設(shè)閾值范圍，將所述第一互信息值的絕對(duì)值在所述第一閾值范圍內(nèi)的初始輔助變量作為初篩輔助變量；根據(jù)所述初篩輔助變量獲取所述目標(biāo)輔助變量。在獲取到各個(gè)初始輔助變量與焦炭產(chǎn)率的第一互信息值后，根據(jù)需要設(shè)定第一閾值范圍，將第一互信息值的絕對(duì)值落在該第一閾值范圍內(nèi)的初始輔助變量作為初篩輔助變量，再根據(jù)初篩輔助變量獲得目標(biāo)輔助變量。其中第一閾值范圍可以根據(jù)實(shí)際使用情況設(shè)置，不同的數(shù)據(jù)可能需要不同的第一閾值范圍，本發(fā)明實(shí)施例不作具體限定。

在獲取到初篩輔助變量后，在上述實(shí)施例的基礎(chǔ)上，所述根據(jù)根據(jù)所述初篩輔助變量獲取所述目標(biāo)輔助變量，包括：

利用互信息法獲取各所述初篩輔助變量之間的第二互信息值，若兩個(gè)所述初篩輔助變量之間的第二互信息值的絕對(duì)值大于預(yù)設(shè)閾值，則剔除所述第一互信息值的絕對(duì)值較小的所述初篩輔助變量，將剩余的初篩輔助變量作為所述目標(biāo)輔助變量；所述第二互信息值大于等于-1小于等于1。

具體他，根據(jù)初始輔助變量與焦炭產(chǎn)率之間的第一互信息值，進(jìn)行初步篩選獲得初篩輔助變量后，利用互信息法獲取各個(gè)初篩輔助變量之間的第二互信息值。若兩個(gè)初篩輔助變量之間的第二互信息值的絕對(duì)值大于預(yù)設(shè)閾值，則說明這兩個(gè)初篩輔助變量之間的相關(guān)性比較好，將其中與焦炭產(chǎn)率的相關(guān)性好的初篩輔助變量保存，剔除另一個(gè)。即若兩個(gè)初篩輔助變量之間的第二互信息值的絕對(duì)值大于預(yù)設(shè)閾值，保留其中第一互信息值的絕對(duì)值大的初篩輔助變量，剔除第一互信息值的絕對(duì)值小的初篩輔助變量。例如：若兩個(gè)初篩輔助變量之間的第二互信息值絕對(duì)值大于0.9，則保留與焦炭產(chǎn)率之間的第一互信息值的絕對(duì)值大的那個(gè)，刪去另一個(gè)。

例如：若預(yù)選獲取的初始輔助變量有n個(gè)，獲取n個(gè)初始輔助變量和焦炭產(chǎn)率的第一互信息值。按照n個(gè)初始輔助變量對(duì)應(yīng)的第一互信息值的絕對(duì)值的從大到小的順序，對(duì)n個(gè)初始輔助變量進(jìn)行排序，獲取其中排序靠前的p個(gè)初始輔助變量作為初篩輔助變量。再獲取p個(gè)初篩輔助變量之間的第二互信息值，根據(jù)p個(gè)初篩輔助變量之間的第二互信息值的絕對(duì)值的大小，將第二互信息值分布相對(duì)相似的初篩輔助變量進(jìn)行簡并。即若兩個(gè)初篩輔助變量之間的第二互信息值的絕對(duì)值大于預(yù)設(shè)閾值，保留其中第一互信息值的絕對(duì)值大的初篩輔助變量，剔除第一互信息值的絕對(duì)值小的初篩輔助變量，獲得q個(gè)初篩輔助變量作為最終的目標(biāo)輔助變量。

本發(fā)明實(shí)時(shí)例提供的催化裂化反應(yīng)軟測量輔助變量的選取方法，利用互信息法對(duì)催化裂化反應(yīng)軟測量的輔助變量進(jìn)行篩選，獲取輔助變量和焦炭產(chǎn)率、輔助變量之間的互信息值，分析輔助變量和焦炭產(chǎn)率、輔助變量之間的相關(guān)性，篩選出和催化裂化反應(yīng)的焦炭產(chǎn)率相關(guān)性比較大的輔助變量，減少了催化裂化反應(yīng)軟測量中輔助變量的數(shù)量，提高了催化裂化軟測量輔助變量選取的準(zhǔn)確性，簡化了軟測量過程，進(jìn)一步提升了催化裂化反應(yīng)軟測量的性能及其泛化能力。

在上述實(shí)施例的基礎(chǔ)上，所述根據(jù)催化裂化裝置的基礎(chǔ)數(shù)據(jù)獲取催化裂化反應(yīng)軟測量的多個(gè)初始輔助變量，包括：

獲取所述催化裂化反應(yīng)在預(yù)設(shè)時(shí)間內(nèi)的各類基礎(chǔ)數(shù)據(jù)預(yù)選數(shù)據(jù)，將所述預(yù)選數(shù)據(jù)進(jìn)行異常值的剔除，獲得初選輔助變量，根據(jù)所述初選輔助變量獲得所述初始輔助變量，其中所述異常值包括0、負(fù)值、空數(shù)據(jù)和與所述預(yù)選數(shù)據(jù)的平均值的差大于三倍標(biāo)準(zhǔn)差的數(shù)據(jù)。

具體地，需要對(duì)催化裂化反應(yīng)的基礎(chǔ)數(shù)據(jù)進(jìn)行時(shí)間的統(tǒng)一，即催化裂化反應(yīng)的每個(gè)基礎(chǔ)數(shù)據(jù)的獲取時(shí)間需要一致，例如獲取2017年4月和5月的各個(gè)基礎(chǔ)數(shù)據(jù)作為預(yù)選數(shù)據(jù)，如：2017年4月和5月的原料性質(zhì)數(shù)據(jù)、催化劑性質(zhì)數(shù)據(jù)和操作參數(shù)數(shù)據(jù)。再將獲取到的預(yù)設(shè)時(shí)間內(nèi)的預(yù)選數(shù)據(jù)進(jìn)行異常值剔除，其中，異常值包括0、負(fù)值、空數(shù)據(jù)和與所述預(yù)選數(shù)據(jù)的平均值的差大于三倍標(biāo)準(zhǔn)差的數(shù)據(jù)。即將預(yù)選數(shù)據(jù)中的0、負(fù)值以及內(nèi)容為空的數(shù)據(jù)剔除，并計(jì)算預(yù)選數(shù)據(jù)的平均值，將每個(gè)預(yù)選數(shù)據(jù)與該平均值進(jìn)行比較，將與該平均值的差大于三倍標(biāo)準(zhǔn)差的數(shù)據(jù)剔除。本發(fā)明實(shí)施例使用的是三倍方差法剔除預(yù)選數(shù)據(jù)中與平均值相差較大的數(shù)據(jù)，當(dāng)然根據(jù)需要也可以使用其他方法，將數(shù)據(jù)中與平均值相差比較大的數(shù)據(jù)剔除，例如剔除與平均值相差大于預(yù)設(shè)閾值的數(shù)據(jù)，本發(fā)明實(shí)施例不作具體限定。

剔除異常值后，將剩余的預(yù)選數(shù)據(jù)作為初選輔助變量，在將初選輔助變量進(jìn)行歸一化處理，獲得初始輔助變量。

其中歸一化處理的具體可以采用如下方法：

按照最大最小法對(duì)初選輔助變量中的數(shù)據(jù)進(jìn)行歸一化處理，具體可以利用如下公式(1)進(jìn)行歸一化處理：

式中：pk——為歸一化值，pi——初選輔助變量中的第i個(gè)數(shù)據(jù)，pmin表示初選輔助變量中的最小值，pmax表示初選輔助變量中的最大值。

例如：獲得的初選輔助變量有兩組，分別為溫度輔助變量和壓力輔助變量，其中每組輔助變量中有多組數(shù)據(jù)，首先對(duì)溫度輔助變量進(jìn)行歸一化處理，獲取溫度輔助變量中的最大值pmax和最小值pmin，利用上述公式(1)，對(duì)溫度輔助變量中的每一個(gè)數(shù)據(jù)進(jìn)行歸一化處理。同樣的方法，對(duì)壓力輔助變量進(jìn)行歸一化處理。

在實(shí)際使用時(shí)，對(duì)采集到的焦炭產(chǎn)率數(shù)據(jù)也可以采用同樣的方法進(jìn)行歸一化處理，可以將采集到的初始輔助變量和焦炭產(chǎn)率數(shù)據(jù)組成樣本集，樣本集的大小為m，對(duì)上述樣本集的數(shù)據(jù)進(jìn)行統(tǒng)一的預(yù)處理和歸一化處理。例如：選取的n個(gè)原始輔助變量組成矩陣x＝[xi]^t,i＝1,2,...,m，焦炭產(chǎn)量數(shù)據(jù)寫成矩陣y＝[yi]^t,i＝1,2,...,m，對(duì)兩個(gè)矩陣內(nèi)的數(shù)據(jù)進(jìn)行相應(yīng)的處理，之后回去兩組數(shù)據(jù)的第一互信息值，對(duì)初始輔助變量進(jìn)行篩選。具體的篩選過程同上述實(shí)施例一致，此處不再贅述。

在上述實(shí)施例的基礎(chǔ)上，所述方法還包括：利用bp神經(jīng)網(wǎng)絡(luò)對(duì)所述目標(biāo)輔助變量進(jìn)行檢測。

具體地，本發(fā)明實(shí)施例還利用bp神經(jīng)網(wǎng)絡(luò)對(duì)選取出的目標(biāo)輔助變量進(jìn)行檢測，以驗(yàn)證選取出的目標(biāo)輔助變量的準(zhǔn)確性。具體可以預(yù)先利用bp神經(jīng)網(wǎng)絡(luò)建立軟測量模型，例如：在n個(gè)初始輔助變量的數(shù)據(jù)中隨機(jī)選取90％的數(shù)據(jù)量數(shù)據(jù)作為訓(xùn)練樣本，設(shè)置的迭代次數(shù)為100次，學(xué)習(xí)率為0.2，目標(biāo)值為0.00004，進(jìn)行模型訓(xùn)練。在n個(gè)初始輔助變量剩余的10％數(shù)據(jù)作為預(yù)測樣本，用訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)預(yù)測非線性函數(shù)輸出。訓(xùn)練好bp神經(jīng)網(wǎng)絡(luò)測量模型后，對(duì)選取的目標(biāo)神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測，將在q個(gè)輔助變量的數(shù)據(jù)分為三份，隨機(jī)選取90％的數(shù)據(jù)作為訓(xùn)練樣本和測試樣本在q個(gè)目標(biāo)輔助變量剩余的10％數(shù)據(jù)作為預(yù)測樣本來驗(yàn)證效果。隨機(jī)選取90％的數(shù)據(jù)中，一半作為訓(xùn)練樣本用來訓(xùn)練模型，另一半作為測試樣本用來測試模型。對(duì)訓(xùn)練樣本，設(shè)置的迭代次數(shù)為100次，學(xué)習(xí)率為0.1，進(jìn)行模型訓(xùn)練。用訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)預(yù)測非線性函數(shù)輸出，比較n個(gè)初始輔助變量和q個(gè)目標(biāo)輔助變量的軟測量預(yù)測出的焦炭產(chǎn)率輸出結(jié)果，以驗(yàn)證選取出的目標(biāo)輔助變量的準(zhǔn)確性。圖2為本發(fā)明實(shí)施例中初始輔助變量的軟測量結(jié)果示意圖，圖3為本發(fā)明實(shí)施例中目標(biāo)輔助變量的軟測量結(jié)果示意圖，如圖2和圖3所示，圖2中軟測量的輔助變量為22個(gè)，軟測量值與實(shí)際值的平均誤差為2.22％，圖3中軟測量的輔助變量為16個(gè)，軟測量值與實(shí)際值的平均誤差為1.72％?？梢钥闯?，輔助變量縮減后，對(duì)軟測量的結(jié)果并無明顯的影響，經(jīng)過本發(fā)明實(shí)施例對(duì)初始輔助變量進(jìn)行篩選后，輔助變量的數(shù)量得到了有效的減少，同時(shí)預(yù)測效果有了明顯的提高，軟測量值與實(shí)際值的平均誤差由2.22％降到了1.72％。

圖4為本發(fā)明實(shí)施例中又一催化裂化反應(yīng)軟測量輔助變量的選取方法的流程示意圖，如圖4所示，下面結(jié)合圖4介紹本發(fā)明實(shí)施例的具體流程，以便更好的理解本發(fā)明的技術(shù)方案：

t1、數(shù)據(jù)采集：采集a煉廠累計(jì)一年的約13萬組基礎(chǔ)數(shù)據(jù)和焦炭產(chǎn)率數(shù)據(jù)，采集的基礎(chǔ)數(shù)據(jù)包括：原料性質(zhì)(原料油飽和烴含量、原料油芳烴含量、原料油瀝青質(zhì)+膠質(zhì)含量、原料油10％餾出溫度、原料油50％餾出溫度、原料油90％餾出溫度、原料油鈉含量)、催化劑性質(zhì)(催化劑活性、再生劑微反活性指數(shù)、再生劑定碳含量、平衡劑活性、再生劑鈉含量、再生劑鎳和釩含量)、操作參數(shù)(催化劑溫度、原料溫度、反應(yīng)溫度、反應(yīng)壓力、原料油量、預(yù)提升蒸汽流量、原料油霧化蒸汽流量、預(yù)提升干氣流量、回?zé)挶?、劑油比、二反料位、粗汽油至提升管反?yīng)器流控)。

t2、數(shù)據(jù)的預(yù)處理：第一，取每個(gè)基礎(chǔ)數(shù)據(jù)的共同時(shí)間段內(nèi)的數(shù)據(jù)；第二，對(duì)各個(gè)基礎(chǔ)數(shù)據(jù)進(jìn)行異常值的剔除，異常值包括：含有零、負(fù)值、空的數(shù)據(jù)；第三，對(duì)各個(gè)基礎(chǔ)數(shù)據(jù)利用三倍方差剔除與平均值相差太大如差值大于三倍標(biāo)準(zhǔn)差的數(shù)據(jù)。預(yù)處理后獲得約1萬組數(shù)據(jù)即為初選輔助變量。

t3、數(shù)據(jù)的歸一化處理：按照對(duì)初選輔助變量中的數(shù)據(jù)進(jìn)行歸一化處理，具體歸一化處理方法同上述實(shí)施例一致，此處不再贅述。歸一化處理后的數(shù)據(jù)作為初始輔助變量。

t4、初篩輔助變量的選?。罕景l(fā)明實(shí)施例獲取到n組初始輔助變量，使用互信息法分別計(jì)算n個(gè)初始輔助變量和焦炭產(chǎn)率之間的第一互信息值，第一互信息值的大小介于-1和1之間，0代表兩組數(shù)據(jù)之間沒有相關(guān)性，±1代表兩組數(shù)據(jù)之間完全相同，按第一互信息值絕對(duì)值大小，選取和焦炭產(chǎn)率密切相關(guān)的p個(gè)初篩輔助變量。具體獲取初篩輔助變量的方法同上述實(shí)施例一致，此處不再贅述。

t5、目標(biāo)輔助變量的選?。菏褂没バ畔⒎ㄓ?jì)算p個(gè)初篩輔助變量之間的第二互信息值，按第二互信息值絕對(duì)值大小，對(duì)初篩輔助變量進(jìn)行簡并，獲得p個(gè)目標(biāo)輔助變量。其中按第二互信息值絕對(duì)值大小，對(duì)初篩輔助變量進(jìn)行簡并的方法同上述實(shí)施例一致，此處不再贅述。

t6、對(duì)初始輔助變量進(jìn)行bp神經(jīng)網(wǎng)絡(luò)焦炭產(chǎn)率軟測量：在n個(gè)初始輔助變量的數(shù)據(jù)中隨機(jī)選取90％的數(shù)據(jù)量數(shù)據(jù)作為訓(xùn)練樣本，設(shè)置的迭代次數(shù)為100次，學(xué)習(xí)率為0.2，目標(biāo)值為0.00004，進(jìn)行模型訓(xùn)練。在n個(gè)原始輔助變量剩余的10％數(shù)據(jù)作為預(yù)測樣本，用訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)預(yù)測非線性函數(shù)輸出，獲得n個(gè)初始輔助變量的焦炭產(chǎn)率軟測量預(yù)測結(jié)果。

t7、對(duì)目標(biāo)輔助變量進(jìn)行bp神經(jīng)網(wǎng)絡(luò)焦炭產(chǎn)率軟測量：隨機(jī)選取90％的數(shù)據(jù)作為訓(xùn)練樣本和測試樣本在q個(gè)目標(biāo)輔助變量剩余的10％數(shù)據(jù)作為預(yù)測樣本來驗(yàn)證效果。隨機(jī)選取90％的數(shù)據(jù)中，一半作為訓(xùn)練樣本用來訓(xùn)練模型，另一半作為測試樣本用來測試模型。對(duì)訓(xùn)練樣本，設(shè)置的迭代次數(shù)為100次，學(xué)習(xí)率為0.1，進(jìn)行模型訓(xùn)練。用訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)預(yù)測非線性函數(shù)輸出，獲得q個(gè)目標(biāo)輔助變量的焦炭產(chǎn)率軟測量預(yù)測結(jié)果。

t8、軟測量預(yù)測結(jié)果比較：比較n個(gè)初始輔助變量和q個(gè)目標(biāo)輔助變量的軟測量預(yù)測出的焦炭產(chǎn)率輸出結(jié)果，以驗(yàn)證選取出的目標(biāo)輔助變量的準(zhǔn)確性。

本發(fā)明實(shí)施例提供的催化裂化反應(yīng)軟測量輔助變量的選取方法，利用互信息理論快速找出與焦炭產(chǎn)率相關(guān)的少數(shù)關(guān)鍵的目標(biāo)輔助變量，在滿足催化裂化反應(yīng)軟測量的要求的前提下，簡化了軟測量的過程，提高了催化裂化軟測量輔助變量選取的準(zhǔn)確性，進(jìn)一步提升了催化裂化反應(yīng)軟測量的性能及其泛化能力，為化工先進(jìn)控制系統(tǒng)以及煉廠生產(chǎn)提供技術(shù)支持。

圖5為本發(fā)明實(shí)施例中催化裂化反應(yīng)軟測量輔助變量的選取系統(tǒng)的結(jié)構(gòu)示意圖，如圖5所示，本發(fā)明實(shí)施例提供的催化裂化反應(yīng)軟測量輔助變量的選取系統(tǒng)包括：數(shù)據(jù)獲取單元51、互信息值計(jì)算單元52和輔助變量選取單元53，其中：

數(shù)據(jù)獲取單元51用于獲取催化裂化反應(yīng)的基礎(chǔ)數(shù)據(jù)和焦炭產(chǎn)率數(shù)據(jù)，所述基礎(chǔ)數(shù)據(jù)包括：原料性質(zhì)數(shù)據(jù)、催化劑性質(zhì)數(shù)據(jù)和操作參數(shù)數(shù)據(jù)；互信息值計(jì)算單元52用于根據(jù)所述基礎(chǔ)數(shù)據(jù)獲取催化裂化反應(yīng)軟測量的多個(gè)初始輔助變量，利用互信息法獲取各所述初始輔助變量與所述焦炭產(chǎn)率數(shù)據(jù)之間的第一互信息值，其中所述第一互信息值大于等于-1小于等于1；輔助變量選取單元53用于根據(jù)所述第一互信息值，對(duì)所述初始輔助變量進(jìn)行篩選，獲得目標(biāo)輔助變量。

具體地，數(shù)據(jù)獲取單元51根據(jù)催化裂化反應(yīng)的實(shí)際情況，獲取催化裂化反應(yīng)的基礎(chǔ)數(shù)據(jù)和焦炭產(chǎn)率數(shù)據(jù)，其中焦炭產(chǎn)率數(shù)據(jù)是指催化裂化反應(yīng)中焦炭產(chǎn)率的實(shí)際值。催化裂化反應(yīng)的基礎(chǔ)數(shù)據(jù)包括：原料性質(zhì)數(shù)據(jù)、催化劑性質(zhì)數(shù)據(jù)和操作參數(shù)數(shù)據(jù)。獲取到催化反應(yīng)的基礎(chǔ)數(shù)據(jù)后，數(shù)據(jù)獲取單元51根據(jù)這些基礎(chǔ)數(shù)據(jù)獲取與催化裂化反應(yīng)的焦炭產(chǎn)率可能相關(guān)的催化裂化反應(yīng)軟測量需要的多個(gè)初始輔助變量，例如溫度、氣壓等。獲取到催化裂化反應(yīng)的初始輔助變量后，互信息值計(jì)算單元52利用互信息法獲取各個(gè)初始輔助變量與催化裂化反應(yīng)的焦炭產(chǎn)率之間的第一互信息值，互信息法可以度量兩個(gè)對(duì)象之間的相關(guān)性。第一互信息值的大小介于-1到1之間，第一互信息值為0代表該初始輔助變量與焦炭產(chǎn)率之間沒有相關(guān)性，第一互信息值為±1代表該初始輔助變量與焦炭產(chǎn)率之間的相關(guān)性最大。輔助變量選取單元53根據(jù)第一互信息值的大小判斷出各個(gè)初始輔助變量與催化裂化反應(yīng)的焦炭產(chǎn)率之間的相關(guān)程度，進(jìn)一步對(duì)初始輔助變量進(jìn)行篩選，獲取與催化裂化反應(yīng)的焦炭產(chǎn)率相關(guān)程度大的初始輔助變量作為目標(biāo)輔助變量。

在上述實(shí)施例的基礎(chǔ)上，所述系統(tǒng)還包括，檢測單元，用于利用bp神經(jīng)網(wǎng)絡(luò)對(duì)所述目標(biāo)輔助變量進(jìn)行檢測。

具體地，本發(fā)明實(shí)施例還通過檢測單元利用bp神經(jīng)網(wǎng)絡(luò)對(duì)選取出的目標(biāo)輔助變量進(jìn)行檢測，以驗(yàn)證選取出的目標(biāo)輔助變量的準(zhǔn)確性?？梢酝ㄟ^比較初始輔助變量和目標(biāo)輔助變量的軟測量預(yù)測出的焦炭產(chǎn)率輸出結(jié)果，與實(shí)際產(chǎn)值進(jìn)行比較，以驗(yàn)證選取出的目標(biāo)輔助變量的準(zhǔn)確性。具體采用bp神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)輔助變量的檢測方法同上述實(shí)施例一致，此處不再贅述。

本發(fā)明實(shí)施例提供的催化裂化反應(yīng)軟測量輔助變量的選取系統(tǒng)用于執(zhí)行上述方法，其具體實(shí)施方式同上述實(shí)施例一致，此處不再贅述。

本發(fā)明實(shí)施例提供的催化裂化反應(yīng)軟測量輔助變量的選取方法和系統(tǒng)，利用互信息理論快速找出與焦炭產(chǎn)率相關(guān)的少數(shù)關(guān)鍵的目標(biāo)輔助變量，專門針對(duì)數(shù)據(jù)量大、維度過高的催化裂化工業(yè)數(shù)據(jù)使用，在滿足催化裂化反應(yīng)軟測量的要求的前提下，簡化了軟測量的過程，提高了催化裂化軟測量輔助變量選取的準(zhǔn)確性，進(jìn)一步提升了催化裂化反應(yīng)軟測量的性能及其泛化能力，為化工先進(jìn)控制系統(tǒng)以及煉廠生產(chǎn)提供技術(shù)支持。

圖6為本發(fā)明實(shí)施例中用于催化裂化反應(yīng)軟測量輔助變量選取的電子設(shè)備的結(jié)構(gòu)示意圖，如圖6所示，所述裝置可以包括：處理器(processor)61、存儲(chǔ)器(memory)62和通信總線63，其中，處理器61，存儲(chǔ)器62通過通信總線63完成相互間的通信。處理器61可以調(diào)用存儲(chǔ)器62中的邏輯指令，以執(zhí)行如下方法：獲取催化裂化反應(yīng)的基礎(chǔ)數(shù)據(jù)和焦炭產(chǎn)率數(shù)據(jù)，所述基礎(chǔ)數(shù)據(jù)包括：原料性質(zhì)數(shù)據(jù)、催化劑性質(zhì)數(shù)據(jù)和操作參數(shù)數(shù)據(jù)；根據(jù)所述基礎(chǔ)數(shù)據(jù)獲取催化裂化反應(yīng)軟測量的多個(gè)初始輔助變量，利用互信息法獲取各所述初始輔助變量與所述焦炭產(chǎn)率數(shù)據(jù)之間的第一互信息值，其中所述第一互信息值大于等于-1小于等于1；根據(jù)所述第一互信息值，對(duì)所述初始輔助變量進(jìn)行篩選，獲得目標(biāo)輔助變量。

此外，上述的存儲(chǔ)器62中的邏輯指令可以通過軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：u盤、移動(dòng)硬盤、只讀存儲(chǔ)器(rom，read-onlymemory)、隨機(jī)存取存儲(chǔ)器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

本發(fā)明實(shí)施例提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令使所述計(jì)算機(jī)執(zhí)行上述各方法實(shí)施例所提供的方法，例如包括：獲取催化裂化反應(yīng)的基礎(chǔ)數(shù)據(jù)和焦炭產(chǎn)率數(shù)據(jù)，所述基礎(chǔ)數(shù)據(jù)包括：原料性質(zhì)數(shù)據(jù)、催化劑性質(zhì)數(shù)據(jù)和操作參數(shù)數(shù)據(jù)；根據(jù)所述基礎(chǔ)數(shù)據(jù)獲取催化裂化反應(yīng)軟測量的多個(gè)初始輔助變量，利用互信息法獲取各所述初始輔助變量與所述焦炭產(chǎn)率數(shù)據(jù)之間的第一互信息值，其中所述第一互信息值大于等于-1小于等于1；根據(jù)所述第一互信息值，對(duì)所述初始輔助變量進(jìn)行篩選，獲得目標(biāo)輔助變量。

以上實(shí)施例僅用于說明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。