文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201810201222.8

申 请 日：20180312

发 明 人：辜小花 张堃 唐海红 王甜 张兴 宋鸿飞 侯松 聂玲 李太福 邱奎

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20180907

公 开 号：CN108509692A

代 理 人：王玉芝

代理机构：50223 重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明公开了一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法，包括：S1：选择影响脱硫效率的工艺参数和脱硫单元的性能指标；S2：采集预设时间的所述工艺参数和所述性能指标的数据，剔除误差样本后形成样本集；S3：对样本集进行归一化形成归一化样本集，并从中选取训练样本和测试样本；S4：基于训练样本构建神经网络模型和初始状态变量；S5：利用MiUKFNN算法估计最优状态变量；S6：将最优状态变量作为神经网络模型的连接权值和阈值，即获得权值阈值更新后的神经网络模型；S7：得到预测结果，将预测结果与所述测试样本中的实际输出进行比较，如小于预设误差精度，神经网络模型有效；否则重复上述步骤至比较结果小于预设误差精度。

主 权 项：1.一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法，其特征在于，本方法包括以下步骤：步骤S1：选择影响脱硫效率的工艺参数和脱硫单元的性能指标；步骤S2：数据采集及预处理，采集预设时间的所述影响脱硫效率的工艺参数和所述脱硫单元的性能指标的数据，剔除误差样本后形成样本集[X，Y]；步骤S3：对样本集[X，Y]进行归一化，形成归一化样本集取所述归一化样本集中80％作为训练样本，剩余部分作为测试样本；步骤S4：基于所述训练样本构建神经网络模型和所述神经网络模型的初始状态变量θ_k，以及，将所述训练样本中的作为所述神经网络模型的输入，将所述训练样本中的作为所述神经网络模型的输出；所述神经网络模型为： 其中，为所述训练样本的矢量样本值，并作为所述神经网络模型的输入；z_j作为所述神经网络模型的隐�

关 键 词：神经网络模型  预设  最优状态变量  测试样本  训练样本  预测结果  样本集  初始状态变量  高含硫天然气 归一化样本  实际输出  算法估计  脱硫单元  脱硫工艺 脱硫效率 误差样本  阈值更新  归一化 权值和  构建  建模  算法  剔除  采集  重复  

IPC专利分类号：G06F17/50(20060101);G06N3/08(20060101)