化工过程智能建模与优化

《化工过程智能建模与优化》由会员分享，可在线阅读，更多相关《化工过程智能建模与优化（206页珍藏版）》请在金锄头文库上搜索。

1、化工过程智能建模与优化化工过程智能建模与优化 颜学峰颜学峰研究生楼研究生楼1105西房间西房间Email：Tel:13671876906华东理工大学华东理工大学信息学院自动化研究所信息学院自动化研究所二二0 0一一年一一年 十一十一 月月2021/6/71主要中文参考书目：主要中文参考书目：1胡上序，陈海主编化工过程的建模、仿真和优化胡上序，陈海主编化工过程的建模、仿真和优化2邢文训等现代优化计算方法邢文训等现代优化计算方法3阎平凡，张长水编人工神经网络与模拟进化计算阎平凡，张长水编人工神经网络与模拟进化计算4任选一本关于支持向量机回归建模的参考书任选一本关于支持向量机回归建模的参考书5胡上序

2、等观测数据的分析与处理胡上序等观测数据的分析与处理成绩组成：成绩组成：1平时上课表现平时上课表现2大作业大作业3大论文大论文2021/6/72作业：作业：（1）阅阅读读人人工工神神经经网网络络的的误误差差反反传传算算法（法（BP）算法。）算法。（2）编程基础准备：）编程基础准备：MATLAB编程。编程。为大作业做准备。为大作业做准备。2021/6/73化工过程智能建模与优化化工过程智能建模与优化一、石油化工过程建模与优化的重要性一、石油化工过程建模与优化的重要性二、智能建模、混合智能建模方法二、智能建模、混合智能建模方法三、现代智能优化算法三、现代智能优化算法2021/6/74一、石油化工过程

3、建模与优化的重要性一、石油化工过程建模与优化的重要性名目名目产量产量同比增长同比增长原油原油1.83676亿吨亿吨1.7%天然气天然气585.5亿立方米亿立方米19.2%烧碱烧碱1511.8万吨万吨19%纯碱纯碱1597.2万吨万吨10.8%电石电石1177.1万吨万吨27.7%乙烯乙烯941.2万吨万吨22.2%合成树脂合成树脂2528.7万吨万吨17.6%20062006年我国石油化工工业的发展状况：年我国石油化工工业的发展状况：2021/6/75一、石油化工过程建模与优化的重要性一、石油化工过程建模与优化的重要性石油化工工业在国民经济中的地位石油化工工业在国民经济中的地位: :2006年

4、，石油化工行业占我国工业经济总量的年，石油化工行业占我国工业经济总量的20%，累计实现利润达到累计实现利润达到4345亿，较上年增长了亿，较上年增长了17.9%。2008年石油化工生产总值约为年石油化工生产总值约为6.58万亿元万亿元，占国民经，占国民经济济21.9%。2009年石油化工生产总值约为年石油化工生产总值约为6.63万亿元万亿元。2010年石油化工生产总值约为年石油化工生产总值约为8.88万亿元万亿元。2021/6/76一、石油化工过程建模与优化的重要性一、石油化工过程建模与优化的重要性石油化工工业在国民经济中的地位石油化工工业在国民经济中的地位: :石油化工是我国的基础支柱产业之

5、一，其发展状石油化工是我国的基础支柱产业之一，其发展状况直接影响国家的经济基础况直接影响国家的经济基础！2021/6/77一、石油化工过程建模与优化的重要性一、石油化工过程建模与优化的重要性石油化工工业现状：石油化工工业现状：生产工艺普遍采用国外专利技术。技术引进后，消化、生产工艺普遍采用国外专利技术。技术引进后，消化、吸收少，国产化程度低，因此，在若干年后，其技术吸收少，国产化程度低，因此，在若干年后，其技术水平、装置规模又落后于国际水平。水平、装置规模又落后于国际水平。如，从七十年代开始我国先后重复引进了如，从七十年代开始我国先后重复引进了17套大中型套大中型乙烯装置，乙烯装置，19套聚丙

6、烯装置，套聚丙烯装置，18套聚乙烯装置，套聚乙烯装置，11套套环氧丙烷装置，环氧丙烷装置，24套大型精对苯二甲酸装置等。套大型精对苯二甲酸装置等。如，美国、英国炼厂原油加工损失率分别为如，美国、英国炼厂原油加工损失率分别为0.2%、0.3%，中石化平均加工损失率为，中石化平均加工损失率为1.29%。2021/6/78一、石油化工过程建模与优化的重要性一、石油化工过程建模与优化的重要性石油化工工业现状：石油化工工业现状：石油化工工业也是石油化工工业也是高能耗、高消耗高能耗、高消耗的产业，总能耗约的产业，总能耗约占全国工业总能耗的占全国工业总能耗的15左右左右，能源成本在生产成本，能源成本在生产成

7、本中占有很高的比例，通常为中占有很高的比例，通常为20%30%，高耗能产品，高耗能产品甚至达到甚至达到60%70%。在国家确定的千家重点节能企。在国家确定的千家重点节能企业中，石油化工企业占了业中，石油化工企业占了340家，家，约为约为1/3。与国际先进水平相比，在生产装置能耗方面仍存在较与国际先进水平相比，在生产装置能耗方面仍存在较大的差距，如主要产品单位能耗仍高大的差距，如主要产品单位能耗仍高40%，能源利用，能源利用率低率低10%。 2021/6/79一、石油化工过程建模与优化的重要性一、石油化工过程建模与优化的重要性石油化工工业现状：石油化工工业现状：高能耗、高消耗、污染大、技高能耗、

8、高消耗、污染大、技术水平普遍低于国际先进水平，国家支柱产业之一。术水平普遍低于国际先进水平，国家支柱产业之一。2021/6/710一、石油化工过程建模与优化的重要性一、石油化工过程建模与优化的重要性建模与优化的重要性建模与优化的重要性：（ChemshareChemshare公司）公司）2021/6/711一、石油化工过程建模与优化的重要性一、石油化工过程建模与优化的重要性建模与优化的重要性建模与优化的重要性：AspenTech：通通过过过过程程模模拟拟可可以以增增加加产产量量、减减少少能能耗耗和和原原材材料料消消耗耗、以以最最低低的的操操作作成成本本生生产产出出合合格格的的产产品品、提提高高生

9、生产产率率等等，每每年年效效益益在在100500万万美美元元；先先进进控控制制和和过过程程优优化化可可以以增增加加产产量量2%5%，减减少少冷冷端端消消耗耗5%10%，提提高高加加热热炉炉效效率率1%2%，提提高高操操作作工工的的技技能能，更更加加安安全全等等，每每年年效效益益为为300万万1000万万美元美元。Foxboro公司：公司：效益比例是：效益比例是：DCS设为设为1，则，则ARC（AdvancedRegulatoryControl）为）为3，先进控制为，先进控制为5，优化为，优化为9。2021/6/712一、石油化工过程建模与优化的重要性一、石油化工过程建模与优化的重要性建模与优化

10、的重要性：建模与优化的重要性：世界各国石化企业的经验表明：世界各国石化企业的经验表明：石油化工过程流程模石油化工过程流程模拟、先进控制与过程优化技术，拟、先进控制与过程优化技术，是提高企业的经济效是提高企业的经济效益、降低生产成本、提高其在国际市场中的创新力、益、降低生产成本、提高其在国际市场中的创新力、应变力、适应力和综合竞争力的主要技术手段之一应变力、适应力和综合竞争力的主要技术手段之一。 2021/6/713一、石油化工过程建模与优化的重要性一、石油化工过程建模与优化的重要性建模与优化的重要性：建模与优化的重要性：石油化工过程模拟与优化软件和技术形成垄断：石油化工过程模拟与优化软件和技术

11、形成垄断：Aspen Aspen TechTech公司、公司、SimSciSimSci公司、公司、HoneywellHoneywell公司、英国公司、英国KBCKBC公公司、美国司、美国NeuralWareNeuralWare公司、公司、HyproTechHyproTech公司等相关产品，公司等相关产品，已在几百家大型石化、化工、炼油、钢铁等工厂企业已在几百家大型石化、化工、炼油、钢铁等工厂企业中推广应用，取得了巨额利润，并通过兼并、扩张中推广应用，取得了巨额利润，并通过兼并、扩张 形形成垄断。成垄断。 2021/6/714化工过程智能建模与优化化工过程智能建模与优化一、石油化工过程建模与优化

12、的重要性一、石油化工过程建模与优化的重要性二、智能建模、混合智能建模方法二、智能建模、混合智能建模方法三、现代智能优化算法三、现代智能优化算法2021/6/715二、智能建模、混合智能建模方法二、智能建模、混合智能建模方法模型模型是用以表达是用以表达自变量自变量和和因变量因变量之间的定量关系。之间的定量关系。主要分为主要分为三（或四）三（或四）大类：大类：1确定性方程（机理模型、白箱模型）确定性方程（机理模型、白箱模型）从比较成熟的理论导出的明确关系从比较成熟的理论导出的明确关系2不确定性方程（智能模型、黑箱模型）不确定性方程（智能模型、黑箱模型）根据测试取得的观测数据，用数理统计方法找出经验

13、式根据测试取得的观测数据，用数理统计方法找出经验式3半确定性方程（半机理模型、经验模型、灰箱模型）半确定性方程（半机理模型、经验模型、灰箱模型）介介于于两两者者之之间间，先先由由近近似似理理论论引引出出关关系系方方程程的的大大体体形形式式，再再根根据据观测数据用统计方法确定方程式中的系数观测数据用统计方法确定方程式中的系数4混合智能模型混合智能模型采采用用多多种种模模型型化化方方法法有有机机智智能能融融合合与与集集成成，将将不不同同性性质质的的数数学学模模型、不同来源的数据、不同结构的信息和知识进行融合描述。型、不同来源的数据、不同结构的信息和知识进行融合描述。2021/6/716二、智能建模

14、、混合智能建模方法二、智能建模、混合智能建模方法1、各种模型参数估计方法、各种模型参数估计方法2、神经网络建模、神经网络建模误差反向传播算法（误差反向传播算法（BP算法）算法）3、混合智能建模、混合智能建模应用实例（反应过程混合智能建模与优化）应用实例（反应过程混合智能建模与优化）4、回归分析、回归分析5、支持向量机回归、支持向量机回归2021/6/7171 1、各种模型参数估计方法、各种模型参数估计方法估计准则和最优估计基本概念，常见的状态估计与参数估计方法。估计准则和最优估计基本概念，常见的状态估计与参数估计方法。（1 1）估计）估计 从带有随机干扰的观测数据中提取有用信息。从带有随机干扰

15、的观测数据中提取有用信息。被估计量被估计量 其观测量其观测量 观测噪声向量观测噪声向量 已知的向量函数已知的向量函数观测量与被估计量之间具有如下关系观测量与被估计量之间具有如下关系所谓估计问题所谓估计问题，就是在时间区间，就是在时间区间 内对内对 进行观测，进行观测，而在得到的观测数据而在得到的观测数据 的情况下，要求构造的情况下，要求构造一个观测数据一个观测数据 的函数的函数 来估计来估计 的问题，并称的问题，并称 是是 的一个估计量，或称的一个估计量，或称 的估计为的估计为 。 2021/6/7181 1、各种模型参数估计方法、各种模型参数估计方法所谓估计问题所谓估计问题估计理论是概率论和

16、数理统计的一个重要分支。它所研究的对象估计理论是概率论和数理统计的一个重要分支。它所研究的对象是随机现象，它是一种根据受干扰的观测数据来估计关于是随机现象，它是一种根据受干扰的观测数据来估计关于随机变随机变量、随机过程或系统的某一特性量、随机过程或系统的某一特性的数据方法。的数据方法。估计问题：估计问题：状态估计和参数估计两大类。状态估计和参数估计两大类。状态估计：状态估计：随时间变化的随机过程随时间变化的随机过程/ /序列，是动态估计。序列，是动态估计。参数估计：参数估计：不随时间变化的或只随时间缓慢变化的随机变量，是不随时间变化的或只随时间缓慢变化的随机变量，是静态估计。静态估计。收集数据

17、收集数据构造函数关系构造函数关系计算估计量计算估计量的的2021/6/7191 1、各种模型参数估计方法、各种模型参数估计方法（2 2）估计准则）估计准则人们总希望估计出来的参数和状态变量越接近实际值越好，为了人们总希望估计出来的参数和状态变量越接近实际值越好，为了衡量估计的好坏，必须要有一个衡量的标准，这个衡量标准就是衡量估计的好坏，必须要有一个衡量的标准，这个衡量标准就是估计准则估计准则。估计常常是以估计常常是以“ ”“ ”作为标准的。作为标准的。 常见的估计准则有常见的估计准则有最小方差准则、极大似然准则、极大验后准则、最小方差准则、极大似然准则、极大验后准则、线性最小方差准则、最小二乘

18、准则线性最小方差准则、最小二乘准则等。等。估计准则估计准则在很大程度上将决定估计的性能、求解估计问题所使用在很大程度上将决定估计的性能、求解估计问题所使用的估计方法及估计量的性质（是线性的还是非线性的）等。的估计方法及估计量的性质（是线性的还是非线性的）等。 使估计的性能指标达到极值使估计的性能指标达到极值2021/6/7201 1、各种模型参数估计方法、各种模型参数估计方法（3 3）最优估计）最优估计所谓最优估计所谓最优估计，是指在，是指在某一确定的估计准则某一确定的估计准则条件条件下，按照某种统计意义，使估计达到最优。下，按照某种统计意义，使估计达到最优。最优估计是针对某一估计准则。最优估

19、计是针对某一估计准则。某一估计对某一估计准则为最优估计，但换一个某一估计对某一估计准则为最优估计，但换一个估计准则，这一估计值就不一定是最优的了，这估计准则，这一估计值就不一定是最优的了，这就是说，最优估计不是唯一的。就是说，最优估计不是唯一的。 2021/6/7211 1、各种模型参数估计方法、各种模型参数估计方法（4 4）估计方法）估计方法选取不同的估计准则，就有不同的估计方法，估计方法和估计准选取不同的估计准则，就有不同的估计方法，估计方法和估计准则是紧密相关的。则是紧密相关的。根据观测与被估计值的统计特性的掌握程度，根据观测与被估计值的统计特性的掌握程度，可有下列一些估计方法。可有下列

20、一些估计方法。1）最小方差估计）最小方差估计2）极大似然估计）极大似然估计3）极大验后估计）极大验后估计4）线性最小方差估计）线性最小方差估计5）最小二乘估计）最小二乘估计2021/6/7221 1、各种模型参数估计方法、各种模型参数估计方法（4 4）估计方法）估计方法1）最小方差估计）最小方差估计最小方差估计最小方差估计是以估计误差的方差达到最小为估计准则是以估计误差的方差达到最小为估计准则的。按照这种准则求得的最优估值叫做最小方差估计。的。按照这种准则求得的最优估值叫做最小方差估计。为了进行最小方差估计，为了进行最小方差估计，需要知道被估计值需要知道被估计值 和观测和观测值值 的条件概率密

21、度值的条件概率密度值 、 ，以及它们的，以及它们的联合概率分布密度联合概率分布密度 。2021/6/723（4 4）估计方法）估计方法1）最小方差估计）最小方差估计被估计量被估计量 其观测值向量其观测值向量 概率及联合概率分布密度概率及联合概率分布密度没有明确的函数关系，只有概率上的联系。没有明确的函数关系，只有概率上的联系。选择估计误差选择估计误差 的二次型函数为代价函数的二次型函数为代价函数 对称非负定的加权矩阵。对称非负定的加权矩阵。 若有估计量若有估计量，使得贝叶斯风险最小，即，使得贝叶斯风险最小，即则称则称 为为 最小方差估计。最小方差估计。 2021/6/724（4 4）估计方法）

22、估计方法1）最小方差估计）最小方差估计按最小方差估计的定义，当时按最小方差估计的定义，当时 ，需有，需有贝叶斯风险最小贝叶斯风险最小2021/6/725非负函数非负函数（4 4）估计方法）估计方法1）最小方差估计）最小方差估计非负定非负定在内积分号内在内积分号内 2021/6/726（4 4）估计方法）估计方法1）最小方差估计）最小方差估计等价于在等价于在 条件下，贝叶斯的条件风险为极小条件下，贝叶斯的条件风险为极小 这一等价的价值这一等价的价值在于求贝叶斯风险最小时的在于求贝叶斯风险最小时的 重积重积分，就简化贝叶斯条件风险最小时的重积分分，就简化贝叶斯条件风险最小时的重积分 ，从而，从而简

23、简化了积分运算化了积分运算。 2021/6/727（4 4）估计方法）估计方法1）最小方差估计）最小方差估计当当，并使，并使必要条件是必要条件是2021/6/728（4 4）估计方法）估计方法1）最小方差估计）最小方差估计因为因为为非负定的，所以有为非负定的，所以有具有最小值具有最小值2021/6/729（4 4）估计方法）估计方法1）最小方差估计）最小方差估计由此可见，随机向量由此可见，随机向量的最小方差估计的最小方差估计是在是在观测向量为观测向量为的条件下数学期望的条件下数学期望。因此，有时也称因此，有时也称最小方差估计为条件期望估计最小方差估计为条件期望估计。2021/6/730（4 4

24、）估计方法）估计方法1）最小方差估计）最小方差估计最小方差估计的几点说明最小方差估计的几点说明（1）最小方差估计量）最小方差估计量是无偏估计是无偏估计2021/6/731（4 4）估计方法）估计方法1）最小方差估计）最小方差估计（2）最小方差估计这个结果）最小方差估计这个结果，只要，只要求加权阵求加权阵是非负定的，而与其他具体形式无关，因是非负定的，而与其他具体形式无关，因此，它可以选为任意非负定阵，此，它可以选为任意非负定阵，一般常选为单位阵。一般常选为单位阵。S 选为单位矩阵选为单位矩阵2021/6/732（4 4）估计方法）估计方法1）最小方差估计）最小方差估计（3）由于）由于是是的无偏

25、估计，估计的方差的无偏估计，估计的方差就是估计误差的方差阵，其表达式为就是估计误差的方差阵，其表达式为2021/6/733（4 4）估计方法）估计方法1）最小方差估计）最小方差估计（4）如果设）如果设的其他任意估计为的其他任意估计为其均方误差方差阵为其均方误差方差阵为并且，当并且，当时，上式取等号。时，上式取等号。表明：表明：任何其他估计的均方误差阵或任何其他无偏估计任何其他估计的均方误差阵或任何其他无偏估计的方差阵都将大于最小方差估计的误差方差阵。的方差阵都将大于最小方差估计的误差方差阵。2021/6/734（4 4）估计方法）估计方法1）最小方差估计）最小方差估计最小方差估计的几点说明最小

26、方差估计的几点说明由于无偏估计的误差方差阵，亦即估计误差的二阶矩表由于无偏估计的误差方差阵，亦即估计误差的二阶矩表示了误差分布在零附近的密集程度。示了误差分布在零附近的密集程度。因此，最小方差估计因此，最小方差估计是一种最接近是一种最接近真值真值的估计。的估计。2021/6/7351 1、各种模型参数估计方法、各种模型参数估计方法（4 4）估计方法）估计方法2）极大似然估计极大似然估计极大似然准则是极大似然准则是使条件概率分布密度使条件概率分布密度达到达到极大的那个极大的那个值作为估值的值作为估值的。按照这种估计准则求。按照这种估计准则求得得的最优估值便成为极大似然估计。的最优估值便成为极大似

27、然估计。求极大似然估计，需要知道条件概率分布密度求极大似然估计，需要知道条件概率分布密度。极大极大2021/6/736（4 4）估计方法）估计方法2）极大似然估计极大似然估计被估计量被估计量 其观测值向量其观测值向量 观测集观测集 条条件件概概率率密密度度函函数数应应该该是是和和两两者者的的函函数数，但但是是对对于于具具体体的的观观测测值值来来说说，是是的的函函数数，并称它为并称它为似然函数似然函数，记为，记为表示被估计量取值为表示被估计量取值为的条件下，的条件下，的概率分布函数。的概率分布函数。如果如果时的时的要比要比时的时的大，大，表明表明是准确值的可能性要比是准确值的可能性要比是准确值的

28、可能性大。是准确值的可能性大。2021/6/737（4 4）估计方法）估计方法2）极大似然估计极大似然估计如如果果对对所所有有可可能能的的值值，是是的的最最大大值值，那那么么，是是准准确确值值的的可可能能性性就就最最大大，这这时时就就称称是是的极大似然估计的极大似然估计，并记为，并记为。可见，可见，极大似然估计极大似然估计是使似然函数是使似然函数达到极大值的一种最优估计达到极大值的一种最优估计。最优估计准则最优估计准则“似然函数达到极大值似然函数达到极大值”2021/6/738（4 4）估计方法）估计方法2）极大似然估计极大似然估计对数函数是单对数函数是单调增加函数调增加函数必要条件必要条件

29、求解似求解似然方程然方程 2021/6/739（4 4）估计方法）估计方法2）极大似然估计极大似然估计几点说明：几点说明：（1）采用极大似然估计的条件是）采用极大似然估计的条件是知道（对数）似然函数知道（对数）似然函数（2）在在极极大大似似然然估估计计中中，被被估估计计量量可可以以是是随随机机量量，也也可以是非随机的参数可以是非随机的参数，适用范围较广。，适用范围较广。（3）可以证明，当观测次数）可以证明，当观测次数趋于无限时，极大似趋于无限时，极大似然估计量是一种无偏估计量，亦即它是一种然估计量是一种无偏估计量，亦即它是一种渐进无偏估渐进无偏估计量计量。2021/6/7401 1、各种模型参

30、数估计方法、各种模型参数估计方法（4 4）估计方法）估计方法3）极大验后估计极大验后估计极大验后准则极大验后准则是使是使验后概率分布密度验后概率分布密度达到极大达到极大的那个的那个值作为估值的值作为估值的。按这种估计准则求得的。按这种估计准则求得的的最优估值就是极大验后估计。的最优估值就是极大验后估计。为了求出极大验后估计，需要知道验后概率分布密度为了求出极大验后估计，需要知道验后概率分布密度。极大极大2021/6/741（4 4）估计方法）估计方法3）极大验后估计极大验后估计对对观观测测值值取取条条件件下下的的条条件件概概率率密密度度（的的验验后概率密度），均有后概率密度），均有则则称称为为

31、的极大验后估计的极大验后估计。极大验后估计的物理意义是：极大验后估计的物理意义是：在观测值取在观测值取的情况下，的情况下，被估计量被估计量出现可能性最大的值，即随机向量出现可能性最大的值，即随机向量落落在在的领域内的概率将比其落在其他任何值的相的领域内的概率将比其落在其他任何值的相同领域内的概率要大。同领域内的概率要大。2021/6/742（4 4）估计方法）估计方法3）极大验后估计极大验后估计解验后方程就可得解验后方程就可得到极大验后估计到极大验后估计2021/6/743（4 4）估计方法）估计方法3）极大验后估计极大验后估计几点说明：几点说明：（1）由于由于与与无关无关2021/6/744

32、（4 4）估计方法）估计方法3）极大验后估计极大验后估计（2）如果估计量如果估计量没有任何验前知识，即没有任何验前知识，即取任何取任何值的可能性均相等值的可能性均相等则则验前密度验前密度就可以认为是就可以认为是方差阵趋于无限大方差阵趋于无限大的正态分布的正态分布其中，其中，2021/6/745（4 4）估计方法）估计方法3）极大验后估计极大验后估计2021/6/746（4 4）估计方法）估计方法3）极大验后估计极大验后估计由此可见，由此可见，在对没有任何验前统计知识的情况下在对没有任何验前统计知识的情况下，极大极大验后估计就退化为极大似然估计验后估计就退化为极大似然估计。极大似然估计是一种特殊

33、的极大验后估计极大似然估计是一种特殊的极大验后估计。2021/6/747（4 4）估计方法）估计方法3）极大验后估计极大验后估计（3）极大验后估计比极大似然估计的估计效果好极大验后估计比极大似然估计的估计效果好由于被估计量有可能是未知的非随机向量，一般情况下由于被估计量有可能是未知的非随机向量，一般情况下也并不知道其验前概率密度也并不知道其验前概率密度；并且确定验后概率；并且确定验后概率密度函数密度函数（或联合概率密度函数（或联合概率密度函数）要比）要比确定似然函数确定似然函数困难。困难。但在工程实践中但在工程实践中，由于求得似然函数，由于求得似然函数并不并不十分困难，极大似然估计仍得到了广泛

34、的应用。十分困难，极大似然估计仍得到了广泛的应用。2021/6/748只知道观测值和被估计值的一、二阶矩只知道观测值和被估计值的一、二阶矩即即，和和在这种情况下，为了得到有用的结果，必须对估计量的在这种情况下，为了得到有用的结果，必须对估计量的函数形式加以限制。函数形式加以限制。若限定所求的估计量是观测值的线性函数若限定所求的估计量是观测值的线性函数，并以估计误并以估计误差的方差达到最小作为最优估计准则差的方差达到最小作为最优估计准则，则按这种方法求则按这种方法求得的最优估值称为线性最小方差估计得的最优估值称为线性最小方差估计。1 1、各种模型参数估计方法、各种模型参数估计方法（4 4）估计方

35、法）估计方法4）线性最小方差估计线性最小方差估计在实际应用中需要放松对概率知识的要求。在实际应用中需要放松对概率知识的要求。2021/6/749（4 4）估计方法）估计方法4）线性最小方差估计线性最小方差估计被估计随机向量被估计随机向量，观测向量，观测向量限定估计量是观测量的线性函数，即限定估计量是观测量的线性函数，即选择向量选择向量和矩阵和矩阵，使得下列二次型性能指标使得下列二次型性能指标达到最小达到最小，这时所得到的，这时所得到的的最优估计的最优估计，就称为线，就称为线性最小估计，并记为性最小估计，并记为。2021/6/750（4 4）估计方法）估计方法4）线性最小方差估计线性最小方差估计

36、将将使使达达到到极极小小的的和和分分别别记记为为和和，则则对应的线性最小方差估计为对应的线性最小方差估计为只要对只要对和和求导，并分别令其所得结果为零，就可求导，并分别令其所得结果为零，就可解得解得和和。2021/6/751（4 4）估计方法）估计方法4）线性最小方差估计线性最小方差估计两式均等于零两式均等于零2021/6/752（4 4）估计方法）估计方法4）线性最小方差估计线性最小方差估计几点说明：几点说明：（1）线性最小方差估计是无偏估计）线性最小方差估计是无偏估计（2）估计误差的方差阵为）估计误差的方差阵为2021/6/753（4 4）估计方法）估计方法4）线性最小方差估计线性最小方差

37、估计（3）任意线性估计）任意线性估计则此估计的均方误差方差阵为则此估计的均方误差方差阵为令令任何一种其他线性估计的均方误差方差阵都将大于任何一种其他线性估计的均方误差方差阵都将大于线性最线性最小方差估计的误差方差阵小方差估计的误差方差阵。 2021/6/754（4 4）估计方法）估计方法4）线性最小方差估计线性最小方差估计（4）由于）由于因此因此随机向量随机向量 本来并不是与本来并不是与 正交正交随机向量随机向量 与与 正交。正交。2021/6/7551 1、各种模型参数估计方法、各种模型参数估计方法（4 4）估计方法）估计方法5）最小二乘估计最小二乘估计当既不知道当既不知道和和的概率分布，也

38、不知道它们的概率分布，也不知道它们的一、二阶矩时，就只能采用的一、二阶矩时，就只能采用高斯提出的最小二乘法进高斯提出的最小二乘法进行估计行估计。最小二乘估计是以最小二乘估计是以残差的平方和最小作为估计准则残差的平方和最小作为估计准则的的。 （将在回归估计中进行重点介绍。）（将在回归估计中进行重点介绍。）2021/6/7562 2、神经网络建模、神经网络建模（1 1）生物神经元模型）生物神经元模型 神经元是脑组织的基本单元，人脑是由大约神经元是脑组织的基本单元，人脑是由大约10101212（140140多亿）个神经元组成的巨系统。神经元的结构多亿）个神经元组成的巨系统。神经元的结构如下图所示：如

39、下图所示：2021/6/7572 2、神经网络建模、神经网络建模（1 1）生物神经元模型）生物神经元模型神经元包括：神经元包括：细胞体、树突、轴突（神经末梢）、突触细胞体、树突、轴突（神经末梢）、突触细胞体：细胞体：新陈代谢的中心，接受与处理信息的部件。新陈代谢的中心，接受与处理信息的部件。2021/6/758（2 2）神经元的突触）神经元的突触( (两个细胞之间连接的基本单元两个细胞之间连接的基本单元) )每个细胞约有每个细胞约有 个突触。个突触。突触主要有两种连接方式：突触主要有两种连接方式：(1)(1)一个神经元的神经末梢与另一个神经元的树突发生一个神经元的神经末梢与另一个神经元的树突发

40、生接触；接触；(2)(2)一个神经元的神经末梢与另一个神经元的细胞体接一个神经元的神经末梢与另一个神经元的细胞体接触。触。2021/6/759（2 2）神经元的突触）神经元的突触( (两个细胞之间连接的基本单元两个细胞之间连接的基本单元) )突触有两种类型：突触有两种类型：兴奋型和抑制型。兴奋型和抑制型。突触的界面具有脉冲突触的界面具有脉冲/ /电位信号转换功能，它能将沿神电位信号转换功能，它能将沿神经纤维传递的等幅、恒宽、编码的离散脉冲信号，转换经纤维传递的等幅、恒宽、编码的离散脉冲信号，转换为细胞膜可以处理的连续电位信号。为细胞膜可以处理的连续电位信号。2021/6/760（3 3）突触动

41、力学）突触动力学 突触能够传递神经冲动。树突从四方收集由其它突触能够传递神经冲动。树突从四方收集由其它神经元传来的信息，信息流由树突出发，经过细胞体，神经元传来的信息，信息流由树突出发，经过细胞体，然后由轴突输出，然后由轴突输出，实现神经元之间信息的传递实现神经元之间信息的传递。2021/6/7612 2、神经网络建模、神经网络建模（4 4）生物神经网络系统）生物神经网络系统生物神经网络是由很多神经元相互连接的，形式包括：生物神经网络是由很多神经元相互连接的，形式包括：q 幅散式幅散式q 聚合式聚合式q 链锁式链锁式q 环式环式2021/6/7622 2、神经网络建模、神经网络建模（4 4）生

42、物神经网络系统）生物神经网络系统特点：特点：神经网络系统是一个极为庞大错综复杂的系统。每个神神经网络系统是一个极为庞大错综复杂的系统。每个神经元虽然都十分简单，但是，大量神经元之间非常复杂经元虽然都十分简单，但是，大量神经元之间非常复杂的连接却可以演化出丰富多彩的行为方式（思维认知）。的连接却可以演化出丰富多彩的行为方式（思维认知）。研究目的：研究目的：1 1、揭示大脑神经系统的生理特征和思维活动的机能。、揭示大脑神经系统的生理特征和思维活动的机能。2 2、通过对大脑神经网络系统的结构、功能及信息处理、通过对大脑神经网络系统的结构、功能及信息处理机理的探索，构造出与大脑智能相近的人工神经网络，

43、机理的探索，构造出与大脑智能相近的人工神经网络，并应用于工程或其他领域。并应用于工程或其他领域。2021/6/7632 2、神经网络建模、神经网络建模（5）人工神经元模型）人工神经元模型生物神经元：生物神经元：1、多输入、单输出、多输入、单输出2、脉冲密度越大，则对细胞体作用越强、脉冲密度越大，则对细胞体作用越强3、各输入通道都对细胞体产生影响、各输入通道都对细胞体产生影响4、综合作用超过细胞的阈值电位，脉冲沿轴突输出、综合作用超过细胞的阈值电位，脉冲沿轴突输出2021/6/7642 2、神经网络建模、神经网络建模（5）人工神经元模型）人工神经元模型常见的人工神经元模型：常见的人工神经元模型：

44、输入信号（突触）输入信号（突触）权（突触传递强度的一个比例系数）权（突触传递强度的一个比例系数）输入信号累加输入信号累加神经元阈值神经元阈值神经元响应函数神经元响应函数2021/6/7652 2、神经网络建模、神经网络建模（5）人工神经元模型）人工神经元模型数学表达式：数学表达式：2021/6/7662 2、神经网络建模、神经网络建模（5）人工神经元模型）人工神经元模型响应函数：响应函数：阈值单元阈值单元线性单元线性单元非线性单元非线性单元（S型函数）型函数）Sigmoid函数函数2021/6/7672 2、神经网络建模、神经网络建模（5）人工神经网络结构）人工神经网络结构单个神经元的功能是很

45、有限的，只有用许多神经单个神经元的功能是很有限的，只有用许多神经元按一定规则连接构成的神经网络才具有强大的功能。元按一定规则连接构成的神经网络才具有强大的功能。神经网络的特性及能力神经网络的特性及能力主要取决于网络的拓扑结构主要取决于网络的拓扑结构及学习方法。及学习方法。网络连接的基本形式：网络连接的基本形式：q前向网络前向网络q有反馈的前向网络有反馈的前向网络q层内互连前向网络层内互连前向网络q互连网络互连网络2021/6/7682 2、神经网络建模、神经网络建模前向网络前向网络2021/6/7692 2、神经网络建模、神经网络建模有反馈的有反馈的前向网络前向网络2021/6/7702 2、

46、神经网络建模、神经网络建模层内互连层内互连前向网络前向网络2021/6/7712 2、神经网络建模、神经网络建模互连网络互连网络2021/6/7722 2、神经网络建模、神经网络建模（5）人工神经网络的学习）人工神经网络的学习为了使人工神经网络具有某种智能特性，必须进行为了使人工神经网络具有某种智能特性，必须进行学习学习。学习：就是对信息进行编码学习：就是对信息进行编码,其目的就是通过向有限个其目的就是通过向有限个例子（训练样本）的学习来找到隐藏在例子背后（即产例子（训练样本）的学习来找到隐藏在例子背后（即产生这些例子）的规律（如函数形式）。生这些例子）的规律（如函数形式）。学习方法：人工神经

47、网络研究中的核心问题，本质就是学习方法：人工神经网络研究中的核心问题，本质就是网络连接权的调整方法。网络连接权的调整方法。2021/6/7732 2、神经网络建模、神经网络建模（5）人工神经网络的学习）人工神经网络的学习q死记式学习死记式学习q有监督学习有监督学习 q无监督学习无监督学习 q强化学习强化学习 2021/6/7742 2、神经网络建模、神经网络建模（5）人工神经网络的学习）人工神经网络的学习q有监督学习（有监督学习（ 学习规则）学习规则） 环境环境教师教师神经元网络神经元网络网络输出网络输出正确输出正确输出误差信号误差信号+ +- -观测信号观测信号有监督学习框图有监督学习框图2

48、021/6/7752 2、神经网络建模、神经网络建模（5）人工神经网络的学习）人工神经网络的学习q无监督学习无监督学习( (自组织的学习，自组织的学习，如如SOMSOM、ARTART网络网络) ) 环境环境神经元网络神经元网络观测信号观测信号无监督学习框图无监督学习框图2021/6/7762 2、神经网络建模、神经网络建模（5）人工神经网络的学习）人工神经网络的学习q强化学习强化学习 强化学习框图强化学习框图环境环境神经元网络神经元网络观测信号观测信号输出输出评价评价2021/6/7772 2、神经网络建模、神经网络建模（5）人工神经网络的学习）人工神经网络的学习学习规则学习规则方法：方法：用

49、已知例子（样本）作为教师（训练样本）对网用已知例子（样本）作为教师（训练样本）对网络的权进行学习（训练）。络的权进行学习（训练）。规则：规则：通过神经网络理想输出和实际输出之间的误差来通过神经网络理想输出和实际输出之间的误差来修正网络的权值。修正网络的权值。例子：例子：在很多神经网络中，都采用了这种学习方法，如在很多神经网络中，都采用了这种学习方法，如PerceptronPerceptron， Adaline Adaline和和误差反传算法（误差反传算法（Back-Back-propagationpropagation算法，简称算法，简称BPBP算法）算法）等。等。2021/6/7782 2、

50、神经网络建模、神经网络建模- -BPBP算法算法算法步骤：算法步骤：（1 1）收集训练样本）收集训练样本（2 2）确定网络结构）确定网络结构（3 3）训练（对训练样本进行学习）训练（对训练样本进行学习）（4 4）建立神经网络模型）建立神经网络模型2021/6/7792 2、神经网络建模、神经网络建模- -BPBP算法算法- -训练样本训练样本设自变量（输入变量）设自变量（输入变量）可以用输入变量矢量表示可以用输入变量矢量表示 = = 因变量（期望输出变量）因变量（期望输出变量）可以用期望输出变量矢量表示可以用期望输出变量矢量表示 = = 则采集的每个样本为则采集的每个样本为 采集采集n个样本个

51、样本思考怎样采集到好样本？思考怎样采集到好样本？2021/6/7802 2、神经网络建模、神经网络建模- -BPBP算法算法- -网络结构网络结构多多层层前前向向型型神神经经网网络络 2021/6/7812 2、神经网络建模、神经网络建模- -BPBP算法算法- -网络结构网络结构它由它由层组成层组成开始层（第开始层（第0层）为输入层层）为输入层最后一层（第最后一层（第层）为输出层层）为输出层其它其它层为隐含层层为隐含层设第设第层有层有个神经元个神经元则输入层神经元个数为则输入层神经元个数为，等于输入矢量的维数，等于输入矢量的维数输出层神经元个数为输出层神经元个数为，等于期望输出矢量的维数，等

52、于期望输出矢量的维数2021/6/7822 2、神经网络建模、神经网络建模- -BPBP算法算法- -网络结构网络结构神经元模型神经元模型2021/6/7832 2、神经网络建模、神经网络建模- -BPBP算法算法- -网络结构网络结构： 层中第层中第 个神经元的函数输出，个神经元的函数输出，其中其中 。： 层层中中第第 个个神神经经元元到到 层层中中第第 个个神神经经元元的的连连接接权权值值，其其中中 定定义义为为 层层第第 个神经元的阈值。个神经元的阈值。：第：第 层第层第 个神经元的和输出。个神经元的和输出。：神经元激活函数。：神经元激活函数。 符号说明：符号说明：2021/6/7842

53、 2、神经网络建模、神经网络建模- -BPBP算法算法- -网络结构网络结构（1）权值为正表示激活，为负表示抑制。）权值为正表示激活，为负表示抑制。（2）求和单元，用于求取各输入信号的加权和）求和单元，用于求取各输入信号的加权和（3）非线性激活函数，起非线性映射作用）非线性激活函数，起非线性映射作用神经元模型的数学表达神经元模型的数学表达2021/6/7852 2、神经网络建模、神经网络建模- -BPBP算法算法- -网络结构网络结构网络结构：网络结构：（1）多层前向型神经网络多层前向型神经网络（2 2）输入层节点个数）输入层节点个数 = = 训练样本自变量个数训练样本自变量个数（3 3）输出

54、层节点个数）输出层节点个数 = = 训练样本因变量个数训练样本因变量个数（4 4）确定隐含层层数、每层节点个数）确定隐含层层数、每层节点个数（5 5）确定神经元激活函数）确定神经元激活函数2021/6/7862 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习2021/6/7872 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习符号说明：符号说明：2021/6/7882 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习计算（计算（设在第设在第t 次迭代中）次迭代中）第第层所有神经元输出信号的加权和（线性组合）层所有神经元输出信号的加权和（

55、线性组合）通过非线性激活函数，得第通过非线性激活函数，得第个神经元的输出个神经元的输出2021/6/7892 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习设在第设在第次迭代中次迭代中（随机选择某个样本）（随机选择某个样本）输出层（即第输出层（即第层）第层）第个神经元的输出为个神经元的输出为其期望输出为其期望输出为则该单元的误差信号为则该单元的误差信号为定义第定义第个神经元的平方误差为个神经元的平方误差为则则在在第第次次迭迭代代中中，输输出出层层（即即第第层层）所所有有神神经经元元的输出端总的平方误差瞬时值为的输出端总的平方误差瞬时值为2021/6/7902 2、神经网络建

56、模、神经网络建模- -BPBP算法算法- -学习学习网络的学习目标函数为网络的学习目标函数为学习的目的使学习的目的使达到最小达到最小是网络权值和阈值以及输入信号的函数是网络权值和阈值以及输入信号的函数2021/6/7912 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习求求对对的梯度的梯度2021/6/7922 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习2021/6/7932 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习权值（或阈值）的修正量为：权值（或阈值）的修正量为：其中负号表示修正量按梯度下降方向，其中负号表示修正量按梯度

57、下降方向，：学习速率学习速率。局部梯度局部梯度2021/6/7942 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习2021/6/7952 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习符号说明：符号说明：2021/6/7962 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习计算计算（设在第设在第t 次迭代中）次迭代中）第第层所有神经元输出信号的加权和（线性组合）层所有神经元输出信号的加权和（线性组合）通过非线性激活函数，得第通过非线性激活函数，得第个神经元的输出个神经元的输出2021/6/7972 2、神经网络建模、神经网络建模-

58、-BPBP算法算法- -学习学习求求对对的梯度的梯度2021/6/7982 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习2021/6/7992 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习2021/6/71002 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习2021/6/71012 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习2021/6/71022 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习求求对对的梯度的梯度2021/6/71032 2、神经网络建模、神经网络建模- -BPBP算

59、法算法- -学习学习权值（或阈值）的修正量为：权值（或阈值）的修正量为：2021/6/71042 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习（3）第第层层第第个个神神经经元元与与第第层层第第个个神神经经元之间连接权元之间连接权的调整的调整2021/6/71052 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习总结以上推导，得：总结以上推导，得：权值修正量权值修正量学习步长学习步长局部梯度局部梯度单元的输入信号单元的输入信号2021/6/71062 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习（1）工工作作信信号号（用用实实线线表

60、表示示），它它是是施施加加输输入入信信号号后后向向前前传传播播直直到到在在输输出出端端产产生生实实际际输输出出的的信信号号，是是输输入入和和权值的函数。权值的函数。（2）误误差差信信号号（用用虚虚线线表表示示），网网络络实实际际输输出出与与应应有有输出间有差值即为误差，它由输出端开始逐层向后传播。输出间有差值即为误差，它由输出端开始逐层向后传播。2021/6/71072 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习（1）初始化。迭代次数）初始化。迭代次数。（2）前向计算。设在第）前向计算。设在第次迭代中，随机挑选输入样本次迭代中，随机挑选输入样本第第层第层第个神经元计算个

61、神经元计算训练步骤：训练步骤：2021/6/71082 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习（3）反向计算）反向计算（4）修改权值）修改权值（5）END2021/6/71092 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习网络的调用：网络的调用：设输入矢量为设输入矢量为则通过建立网络计算其因变量（即输出向量）为：则通过建立网络计算其因变量（即输出向量）为：2021/6/71102 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习改进反向传播算法收敛速度的措施改进反向传播算法收敛速度的措施1、加入动量项、加入动量项2、高阶导数

62、的利用、高阶导数的利用BP算法中只用了一阶导数算法中只用了一阶导数梯度。梯度。3、共轭梯度法、共轭梯度法按按“共轭梯度方向共轭梯度方向”修正权值。修正权值。2021/6/71112 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习4、递推最小二乘法、递推最小二乘法当当样样本本顺顺序序输输入入时时，可可把把误误差差纠纠正正学学习习算算法法看看作作是是用用一一个个自自适适应应滤滤波波算算法法去去辩辩识识一一个个非非线线性性系系统统，可可采采用用扩展扩展Kalmann滤波算法完成这一任务。滤波算法完成这一任务。5、神经元空间搜索法、神经元空间搜索法不在权空间搜索，而改在神经元空间搜

63、索（下降）。不在权空间搜索，而改在神经元空间搜索（下降）。2021/6/71122 2、神经网络建模、神经网络建模- -BPBP算法算法- -学习学习大作业：大作业：人工神经网络（人工神经网络（BPBP）实现）实现实现异或门（实现异或门（XORXOR）。）。具体要求见具体要求见WORDWORD文档。文档。2021/6/71133 3、混合智能建模、混合智能建模应用实例（反应过程混合智能建模与优化）应用实例（反应过程混合智能建模与优化）石油化工生产过程通常包括：石油化工生产过程通常包括： 配料、配料、反应反应、分离、提纯、回收等单元、分离、提纯、回收等单元反应是石油化工生产过程的关键和核心：反应

64、是石油化工生产过程的关键和核心： 反应过程操作条件是否合适直接反应过程操作条件是否合适直接关系到最终产品的关系到最终产品的质量、产量、以及生产装置的物耗、能耗等质量、产量、以及生产装置的物耗、能耗等。 但反应但反应过程生产工艺技术基本由国外专利商严格保密和垄断。过程生产工艺技术基本由国外专利商严格保密和垄断。2021/6/7114石油化工的反应过程非常复杂：石油化工的反应过程非常复杂：1.通常是在高温高压（或超低温低压）下进行，通常涉通常是在高温高压（或超低温低压）下进行，通常涉及到气液的传热、传质、反应催化、固体结晶及淤浆及到气液的传热、传质、反应催化、固体结晶及淤浆悬浮等等化学工程问题。悬

65、浮等等化学工程问题。2.涉及操作变量多且相互影响。涉及操作变量多且相互影响。3.生产流程长，存在复杂的回收和物料循环，各操作单生产流程长，存在复杂的回收和物料循环，各操作单元间存在严重的耦合关系。元间存在严重的耦合关系。4.各操作单元的操作周期呈现明显的差异。各操作单元的操作周期呈现明显的差异。3 3、混合智能建模、混合智能建模应用实例（反应过程混合智能建模与优化）应用实例（反应过程混合智能建模与优化）2021/6/7115反应过程建模：反应过程建模：1.机理模型机理模型复杂性和人类目前认知水平的限制，真正的工业反应过程机理模型无法建立。复杂性和人类目前认知水平的限制，真正的工业反应过程机理模

66、型无法建立。2.统计（智能）模型统计（智能）模型样本数据总是有限的，并包含大量重复程度不同的冗余信息，且工业噪声的广泛存在。样本数据总是有限的，并包含大量重复程度不同的冗余信息，且工业噪声的广泛存在。3.混合智能建模混合智能建模需要拓展单一模型的局限性，采用多种模型化方法有机智能融合与集成，将反应过程需要拓展单一模型的局限性，采用多种模型化方法有机智能融合与集成，将反应过程中不同性质的数学模型、不同来源的数据、不同结构的信息和知识进行融合描述。中不同性质的数学模型、不同来源的数据、不同结构的信息和知识进行融合描述。 3 3、混合智能建模、混合智能建模应用实例（反应过程混合智能建模与优化）应用实

67、例（反应过程混合智能建模与优化）2021/6/7116反应过程混合智能建模：反应过程混合智能建模：（基于工艺机理、能综合生（基于工艺机理、能综合生产数据信息的反应过程工艺机理数学模型）产数据信息的反应过程工艺机理数学模型）基于生产数据信息优化校正的反应过程工艺机理数基于生产数据信息优化校正的反应过程工艺机理数学模型学模型基于生产数据信息挖掘的反应过程工艺机理数学模基于生产数据信息挖掘的反应过程工艺机理数学模型型叠加机理模型与统计模型的反应过程工艺机理数学叠加机理模型与统计模型的反应过程工艺机理数学模型模型3 3、混合智能建模、混合智能建模应用实例（反应过程混合智能建模与优化）应用实例（反应过程

68、混合智能建模与优化）2021/6/7117反应过程智能优化：反应过程智能优化：1.由于反应过程的复杂性，建立的反应过程模型将呈由于反应过程的复杂性，建立的反应过程模型将呈高维、高度非线性、微分和代数混合描述等特征，高维、高度非线性、微分和代数混合描述等特征，对对于这类复杂系统的优化也必须具有全局寻优的能力，于这类复杂系统的优化也必须具有全局寻优的能力，否则难以实现装置的最佳运行。否则难以实现装置的最佳运行。2.智能优化算法智能优化算法（如遗传算法等）在这类复杂系统全（如遗传算法等）在这类复杂系统全局优化方面的应用获得突出的进展。局优化方面的应用获得突出的进展。3 3、混合智能建模、混合智能建模

69、应用实例（反应过程混合智能建模与优化）应用实例（反应过程混合智能建模与优化）2021/6/71183 3、工业应用实例、工业应用实例对二甲苯氧化反应过程智能建模与优化对二甲苯氧化反应过程智能建模与优化2021/6/7119I.PX氧化反应过程模型的建立II.醋酸和PX燃烧损失模型的建立III.催化剂系统模型的建立IV.工业装置PX氧化反应过程优化操作3 3、工业应用实例、工业应用实例对二甲苯氧化反应过程智能建模与优化对二甲苯氧化反应过程智能建模与优化2021/6/7120. PX氧化反应过程模型的建立氧化反应过程模型的建立PX氧化反应步骤的确定动力学模型参数的确定工业装置PX氧化反应过程模型的

70、建立工业装置PX氧化反应过程分析2021/6/7121PX氧化反应步骤的确定氧化反应步骤的确定CH3CH3CH3CHOCH3COOHCHOCOOHCOOHCOOHPXTALDPT酸4-CBATAK1K2K3K4反应步骤：反应动力学模型：2021/6/7122. PX氧化反应过程模型的建立氧化反应过程模型的建立PX氧化反应步骤的确定动力学模型参数的确定工业装置PX氧化反应过程模型的建立工业装置PX氧化反应过程分析2021/6/7123动力学模型参数的确定（动力学模型参数的确定（1）反应级数 （n1、n2、n3、n4、 m1、m2、m3、m4 ）n通过实验获得或采用普遍公认的值速率常数（k1、k2

71、、k3、k4）n影响速率常数的工艺操作参数：反应温度 （X1）溶剂比 （X2）钴浓度 （X3）锰浓度 （X4）溴浓度 （X5）其他操作参数（进料含水量、抽出水流量、传质等）2021/6/7124动力学模型参数的确定（动力学模型参数的确定（2）速率常数（k1、k2、k3、k4）模型n采用神经网络技术建立速率常数模型n各工艺操作参数对速率常数的影响2021/6/7125速率常数模型网络框图速率常数模型网络框图动力学模型参数的确定（动力学模型参数的确定（3）2021/6/7126速率常数模型的拟合精度速率常数模型的拟合精度动力学模型参数的确定（动力学模型参数的确定（4）K1K2K3K42021/6/

72、7127K温度的关系趋势图温度的关系趋势图动力学模型参数的确定（动力学模型参数的确定（5）2021/6/7128KPX浓度（浓度（PX/HAcmol/Kg）的关系趋势图）的关系趋势图动力学模型参数的确定（动力学模型参数的确定（6）2021/6/7129KCo浓度的关系趋势图浓度的关系趋势图动力学模型参数的确定（动力学模型参数的确定（7）2021/6/7130KMn浓度的关系趋势图浓度的关系趋势图动力学模型参数的确定（动力学模型参数的确定（8）2021/6/7131KBr浓度的关系趋势图浓度的关系趋势图动力学模型参数的确定（动力学模型参数的确定（9）2021/6/7132. PX氧化反应过程模型

73、的建立氧化反应过程模型的建立PX氧化反应步骤的确定动力学模型参数的确定工业装置PX氧化反应过程模型的建立工业装置PX氧化反应过程分析2021/6/7133工业装置工业装置PX氧化反应过程模型的建立氧化反应过程模型的建立（1）收集文献数据动力学模型反应步骤确定速率常数模型广义速率常数模型通过实验获得反应级数或采用公认的反应级数样本数据采集工业装置历史数据工业装置PX氧化反应过程模型优化算法获得可以精确描述工业装置PX氧化反应过程模型工业装置模型建立过程框图2021/6/7134工业装置工业装置PX氧化反应过程模型的建立氧化反应过程模型的建立（2）模型的预测精度工业化过程模型与实验室模型对4-CB

74、A含量预测结果对比2021/6/7135工业装置工业装置PX氧化反应过程模型的建立氧化反应过程模型的建立（3）模型的预测精度工业化过程模型与实验室模型对PT酸含量预测结果对比2021/6/7136. PX氧化反应过程模型的建立氧化反应过程模型的建立PX氧化反应步骤的确定动力学模型参数的确定工业装置PX氧化反应过程模型的建立工业装置PX氧化反应过程分析2021/6/7137工业装置工业装置PX氧化反应过程分析氧化反应过程分析进料中Co2+浓度的影响进料中Mn2+浓度的影响进料中Br-浓度的影响进料中PX浓度的影响反应温度的影响反应器的液位2021/6/7138 4-CBA (%)Co (ppm)

75、进料中的钴离子浓度对PX氧化反应过程影响Co2+浓度对浓度对PX氧化反应过程的影响：氧化反应过程的影响：2021/6/7139Mn2+浓度对浓度对PX氧化反应过程的影响：氧化反应过程的影响：4-CBA (%)Mn (ppm)进料中的锰离子浓度对PX氧化反应过程影响2021/6/7140Br-浓度对浓度对PX氧化反应过程的影响：氧化反应过程的影响：4-CBA (%)Br (ppm)进料中的溴离子浓度对PX氧化反应过程影响2021/6/7141PX浓度对浓度对PX氧化反应过程的影响：氧化反应过程的影响： 4-CBA (%)PX （%）进料中PX浓度对PX氧化反应过程影响2021/6/7142反应温

76、度对反应温度对PX氧化反应过程的影响：氧化反应过程的影响：4-CBA (%) 反应温度 （）反应温度对PX氧化反应过程影响2021/6/7143反应器液位对反应器液位对PX氧化反应过程的影响：氧化反应过程的影响：4-CBA (%) 液位 （%）反应器的液位对PX氧化反应过程影响2021/6/7144I.PX氧化反应过程模型的建立II.醋酸和PX燃烧损失模型的建立III.催化剂系统模型的建立IV.工业装置PX氧化反应过程优化操作3 3、工业应用实例、工业应用实例对二甲苯氧化反应过程智能建模与优化对二甲苯氧化反应过程智能建模与优化2021/6/7145.醋酸和醋酸和PXPX燃烧损失模型的建立燃烧损

77、失模型的建立反应器中醋酸和PX燃烧尾气中COx含量关联模型反应器中醋酸和PX燃烧损失模型反应器中醋酸和PX燃烧损失分析2021/6/7146反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧醋酸燃烧产物主要副产物：CO、CO2、乙酸甲酯；其他副产物：甲烷、甲醇、甲酯等。 PX燃烧产物主要副产物： CO、CO2 、苯甲酸；其他副产物：偏苯三酸等 醋酸和PX燃烧产物量的分析 CO2占60%， CO占16%，乙酸甲酯占10%，苯甲酸占7%，甲酸占3% 醋酸燃烧生成的COx约占总量61%，PX燃烧生成的COx约占总量39%2021/6/7147.醋酸和醋酸和PXPX燃烧损失模型的建立燃烧损失模型的建立反应器

78、中醋酸和PX燃烧尾气中COx含量关联模型反应器中醋酸和PX燃烧损失模型反应器中醋酸和PX燃烧损失分析2021/6/7148尾气中尾气中COxCOx含量关联模型（含量关联模型（1 1）影响尾气中COx含量的主要工艺操作参数反应温度（X1）、溶剂比（ X2 ）、钴催化剂浓度（ X3 ）、锰催化剂浓度（ X4 ）、溴促进剂浓度（ X5） 中试装置尾气中COx含量的关联模型洛阳PTA装置尾气中COx含量的关联模型2021/6/7149尾气中尾气中COxCOx含量关联模型（含量关联模型（2 2）2021/6/7150.醋酸和醋酸和PXPX燃烧损失模型的建立燃烧损失模型的建立反应器中醋酸和PX燃烧尾气中C

79、Ox含量关联模型反应器中醋酸和PX燃烧损失模型反应器中醋酸和PX燃烧损失分析2021/6/7151反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失模型损失模型醋酸燃烧损失模型 PX燃烧损失模型 （Kg/吨.CTA） （Kg/吨.CTA） 2021/6/7152.醋酸和醋酸和PXPX燃烧损失模型的建立燃烧损失模型的建立反应器中醋酸和PX燃烧尾气中COx含量关联模型反应器中醋酸和PX燃烧损失模型反应器中醋酸和PX燃烧损失分析2021/6/7153反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（1 1）进料中Co2+浓度的影响进料中Mn2+浓度的影响进料中Br-浓度的影响进料中PX浓

80、度的影响反应温度的影响反应器的液位2021/6/7154反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（2 2） 醋酸燃烧损失 Kg.HAc/吨.CTACo (ppm)进料中的钴离子浓度对反应器中醋酸燃烧损失的影响2021/6/7155反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（3 3） 反应器中PX燃烧损失 Kg.PX/吨.CTACo (ppm)进料中的钴离子浓度对反应器中PX燃烧损失的影响2021/6/7156反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（4 4） 醋酸燃烧损失 Kg.HAc/吨.CTAMn (ppm)进料中的锰离子浓度

81、对反应器中醋酸燃烧损失的影响2021/6/7157反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（5 5） 反应器中PX燃烧损失 Kg.PX/吨.CTAMn (ppm)进料中的锰离子浓度对反应器中PX燃烧损失的影响2021/6/7158反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（6 6） 醋酸燃烧损失 Kg.HAc/吨.CTABr (ppm)进料中的溴离子浓度对反应器中醋酸燃烧损失的影响2021/6/7159反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（7 7） 反应器中PX燃烧损失 Kg.PX/吨.CTABr (ppm)进料中的溴离子浓度

82、对反应器中PX燃烧损失的影响2021/6/7160反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（8 8） 醋酸燃烧损失 Kg.HAc/吨.CTAPX （%）进料中的PX浓度对反应器中醋酸燃烧损失的影响2021/6/7161反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（9 9） 反应器中PX燃烧损失 Kg.PX/吨.CTAPX （%）进料中的PX浓度对反应器中PX燃烧损失的影响2021/6/7162反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（1010） 醋酸燃烧损失 Kg.HAc/吨.CTA反应温度 （）反应温度对反应器中醋酸燃烧损失的影响

83、2021/6/7163反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（1111） 反应器中PX燃烧损失 Kg.PX/吨.CTA反应温度 （）反应温度对反应器中PX燃烧损失的影响2021/6/7164反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（1212） 醋酸燃烧损失 Kg.HAc/吨.CTA液位 （%）反应器的液位对反应器中醋酸燃烧损失的影响2021/6/7165反应器中醋酸和反应器中醋酸和PXPX燃烧燃烧损失分析（损失分析（1313） 反应器中PX燃烧损失 Kg.PX/吨.CTA液位 （%）反应器的液位对反应器中PX燃烧损失的影响2021/6/7166I.

84、PX氧化反应过程模型的建立II.醋酸和PX燃烧损失模型的建立III.催化剂系统模型的建立IV.工业装置PX氧化反应过程优化操作3 3、工业应用实例、工业应用实例对二甲苯氧化反应过程智能建模与优化对二甲苯氧化反应过程智能建模与优化2021/6/7167.催化剂系统模型的建立催化剂系统模型的建立催化剂循环系统钴、锰、溴损失模型和分析新鲜催化剂配比模型2021/6/7168催化剂循环系统催化剂循环系统气体配料混合罐BD-105氧化反应单元结晶单元真空过滤机/干燥机高压吸收塔母液罐气体CTA醋酸回收系统新鲜催化剂新鲜促进剂新鲜醋酸母固回收：氧化反应单元BE-115部分凝液：高压吸收塔的塔底洗涤液：循环

85、母液催化剂、促进剂循环系统新鲜PX催化剂、促进剂循环系统2021/6/7169.催化剂系统模型的建立催化剂系统模型的建立催化剂循环系统钴、锰、溴损失模型和分析新鲜催化剂配比模型2021/6/7170钴、锰、溴损失模型和分析钴、锰、溴损失模型和分析粗TA单元配料系统循环母液流量和组成的关联模型钴、锰、溴损失模型钴、锰、溴损失量分析2021/6/7171粗粗TATA单元配料系统（单元配料系统（1 1）2021/6/7172粗粗TATA单元配料系统分析单元配料系统分析（2 2）2021/6/7173钴、锰、溴损失模型和分析钴、锰、溴损失模型和分析粗TA单元配料系统循环母液流量和组成的关联模型钴、锰、

86、溴损失模型钴、锰、溴损失量分析2021/6/7174循环母液流量和组成的关联模型（循环母液流量和组成的关联模型（1 1）工艺机理分析配料混合罐出来的流股经过一系列相对稳定的汽液平衡最终形成母液相关性分析BD-105出口流股出口流股母液母液线性相关程度线性相关程度流量总流量0.9421Co离子浓度Co离子浓度0.97246Mn离子浓度Mn离子浓度0.9685Br离子浓度Br离子浓度0.961442021/6/7175循环母液流量和组成的关联模型（循环母液流量和组成的关联模型（2 2）循环母液流量关联模型母液中Co离子浓度关联模型母液中Mn离子浓度关联模型母液中Br离子浓度关联模型2021/6/7

87、176循环母液流量和组成的关联模型（循环母液流量和组成的关联模型（3 3）母液总流量关联模型的拟合精度配料混合罐出口流量 吨/Hr 母液总流量 吨/Hr2021/6/7177循环母液流量和组成的关联模型（循环母液流量和组成的关联模型（4 4）循环母液中钴离子浓度关联模型拟合精度配料混合罐出口流股中钴离子浓度 ppm 母液中钴离子浓度 ppm2021/6/7178循环母液流量和组成的关联模型（循环母液流量和组成的关联模型（5 5）循环母液中锰离子浓度关联模型拟合精度配料混合罐出口流股中锰离子浓度 ppm 母液中锰离子浓度 ppm2021/6/7179循环母液流量和组成的关联模型（循环母液流量和组

88、成的关联模型（6 6）循环母液中溴离子浓度关联模型拟合精度配料混合罐出口流股中溴离子浓度 ppm 母液中溴离子浓度 ppm2021/6/7180钴、锰、溴损失模型和分析钴、锰、溴损失模型和分析粗TA单元配料系统循环母液流量和组成的关联模型钴、锰、溴损失模型钴、锰、溴损失量分析2021/6/7181钴、锰、溴损失模型钴、锰、溴损失模型损失模型:模型参数:2021/6/7182钴、锰、溴损失模型和分析钴、锰、溴损失模型和分析粗TA单元配料系统循环母液流量和组成的关联模型钴、锰、溴损失模型钴、锰、溴损失量分析2021/6/7183钴、锰、溴损失量分析钴、锰、溴损失量分析进料中Co2+浓度的影响进料中

89、Mn2+浓度的影响进料中Br-浓度的影响母液循环率的影响2021/6/7184进料中进料中Co2+Co2+浓度的影响浓度的影响 Co损失 Kg/吨.CTACo (ppm)进料中的Co离子浓度与Co损失量之间的关系曲线2021/6/7185进料中进料中Mn2+Mn2+浓度的影响浓度的影响 Mn损失 Kg/吨.CTAMn (ppm)进料中的Mn离子浓度与Mn损失量之间的关系曲线2021/6/7186进料中进料中Br-Br-浓度的影响浓度的影响 Br损失 Kg/吨.CTABr (ppm)进料中的Br离子浓度与Br损失量之间的关系曲线2021/6/7187母液循环率的影响母液循环率的影响(1)(1)

90、Co损失 Kg/吨.CTA母液循环率 （%）母液循环率与Co损失量之间的关系曲线2021/6/7188母液循环率的影响母液循环率的影响(2)(2) Mn损失 Kg/吨.CTA母液循环率 （%）母液循环率与Mn损失量之间的关系曲线2021/6/7189母液循环率的影响母液循环率的影响(3)(3) Br损失 Kg/吨.CTA母液循环率 （%）母液循环率与Br损失量之间的关系曲线2021/6/7190.催化剂系统模型的建立催化剂系统模型的建立催化剂循环系统钴、锰、溴损失模型和分析新鲜催化剂配比模型2021/6/7191新鲜催化剂配比模型新鲜催化剂配比模型新鲜催化剂配比： 即 2021/6/7192I

91、.PX氧化反应过程模型的建立II.醋酸和PX燃烧损失模型的建立III.催化剂系统模型的建立IV.工业装置PX氧化反应过程优化操作3 3、工业应用实例、工业应用实例对二甲苯氧化反应过程智能建模与优化对二甲苯氧化反应过程智能建模与优化2021/6/7193工业装置工业装置PX氧化反应过程优化操作氧化反应过程优化操作氧化反应过程系统模型的组成 操作条件优化 2021/6/7194氧化反应过程系统模型的组成氧化反应过程系统模型的组成工业装置PX氧化反应过程模型反应器中醋酸和PX燃烧损失模型催化剂和促进剂损失模型催化剂配比模型2021/6/7195氧化反应过程系统模型的组成 操作条件优化 工业装置工业装

92、置PX氧化反应过程优化操作氧化反应过程优化操作2021/6/7196操作条件优化操作条件优化优化变量优化目标函数操作条件优化算法流程最佳操作条件2021/6/7197优化变量优化变量反应器反应温度 （ ，）反应器的液位 （ ，%）PX处理量 （ ，Kg/Hr）进料溶剂比 （ ，mol/Kg）进料钴催化剂浓度 （ ，ppmw）进料锰催化剂浓度 （ ，ppmw）进料溴促进剂浓度 （ ，ppmw）第一结晶器的反应温度 （ ，）第一结晶器的液位 （ ，%）优化矢量优化矢量 2021/6/7198操作条件优化操作条件优化优化变量优化目标函数操作条件优化算法流程最佳操作条件2021/6/7199优化目标函

93、数优化目标函数优化目标函数=TA销售收入 PX燃烧损失 HAC燃烧损失 - 催化剂消耗 - 促进剂消耗约束条件：操作条件（即优化变量）满足工艺要求 粗TA中4CBA含量满足精制生产要求2021/6/7200操作条件优化操作条件优化优化变量优化目标函数操作条件优化算法流程最佳操作条件2021/6/7201产生满足工艺约束条件初始优化矢量工业装置PX氧化反应过程模型反应器中醋酸和PX燃烧损失模型粗TA产品中4-CBA含量TA产品的产量醋酸燃烧损失量PX燃烧损失量目标函数值满足约束条件产品和各种消耗品的价格优化算法调整优化矢量优化矢量的工艺约束条件是否最优工艺操作参数是否氧化反应系统操作条件优化框图

94、催化剂和促进剂损失模型催化剂和促进剂损失量催化剂配比模型结果输出催化剂配比2021/6/7202操作条件优化操作条件优化优化变量优化目标函数操作条件优化算法流程最佳操作条件2021/6/7203最佳操作条件（最佳操作条件（1）反应器反应温度 191反应器的液位 90%PX处理量 28000Kg/Hr进料PX浓度 21.2%进料溴离子浓度 650ppm钴锰催化剂配比 1：1.2原子比 0.550.75第一结晶器的反应温度 188第一结晶器的液位 75% 2021/6/7204最佳操作条件（最佳操作条件（2）项目优化之前优化之后PX平均处理量（吨/Hr）19.627.7PTA平均产量（吨/Hr）29.7241.9醋酸燃烧损失 （Kg/T.PTA）40.9039.27PX燃烧损失 （Kg/T.PTA）15.0614.46钴催化剂消耗（ Kg/T.PTA）0.0870.1505锰催化剂消耗（ Kg/T.PTA）0.1780.171溴促进剂消耗（ Kg/T.PTA）0.5780.897最佳操作条件实施前后生产性能指标对比：最佳操作条件实施前后生产性能指标对比：2021/6/7205部分资料从网络收集整理而来，供大家参考，感谢您的关注！