混沌時(shí)間序列分析及在丙烯聚合熔融指數(shù)預(yù)報(bào)中的應(yīng)用研究.pdf

1、隨著非線性科學(xué)的快速發(fā)展，混沌理論的研究成為了非線性科學(xué)研究的重要領(lǐng)域，尤其是混沌時(shí)間序列的分析與預(yù)測(cè)已經(jīng)成為一個(gè)非常重要的研究方向。熔融指數(shù)是丙烯聚合生產(chǎn)的重要指標(biāo)之一，建立可靠的熔融指數(shù)預(yù)報(bào)模型非常重要。針對(duì)丙烯聚合過(guò)程這一復(fù)雜工藝，引入混沌理論對(duì)熔融指數(shù)時(shí)間序列進(jìn)行信息挖掘，以探究時(shí)間序列所包含的信息并建立相對(duì)準(zhǔn)確的軟測(cè)量預(yù)報(bào)模型。本文針對(duì)混沌時(shí)間序列分析及其在聚丙烯熔融指數(shù)預(yù)報(bào)中的應(yīng)用展開(kāi)研究，主要進(jìn)行混沌特性識(shí)別、軟測(cè)量建模優(yōu)

2、化、多尺度分析建模方面的研究工作。
　　本文的主要工作及創(chuàng)新如下:
　　(1)對(duì)熔融指數(shù)時(shí)間序列的混沌特性進(jìn)行識(shí)別研究，采用ADF和KPSS兩種單位根檢驗(yàn)方法進(jìn)行平穩(wěn)性分析，并采用R/S分析法計(jì)算其Hurst指數(shù)，在Takens定理的基礎(chǔ)上探討時(shí)間序列的相空間重構(gòu)技術(shù)，進(jìn)一步對(duì)關(guān)聯(lián)維數(shù)、Lyapunov指數(shù)和Kolmogorov熵三個(gè)刻畫奇異吸引子的重要參數(shù)進(jìn)行了計(jì)算分析。綜合不同的混沌特征量，最終確定熔融指數(shù)時(shí)間序列具有混

3、沌特性。
　　(2)利用熔融指數(shù)時(shí)間序列的混沌特性，在相空間重構(gòu)的基礎(chǔ)上，建立基于相關(guān)向量機(jī)(Relevance Vector Machine，RVM)的熔融指數(shù)混沌預(yù)報(bào)模型?？紤]到RVM模型的有效性很大程度上取決于核參數(shù)的選擇，根據(jù)差分進(jìn)化算法（Differential Evolution，DE）和連續(xù)蟻群優(yōu)化算法(Ant Colony Optimization，ACO)各自的特點(diǎn)進(jìn)行了改進(jìn)與結(jié)合，提出混合蟻群差分進(jìn)化算法(HA

4、CDE)用于對(duì)RVM的核參數(shù)進(jìn)行尋優(yōu)。將HACDE-RVM混沌預(yù)報(bào)模型用于實(shí)際的聚丙烯熔融指數(shù)預(yù)報(bào)，結(jié)果表明了HACDE-RVM混沌預(yù)報(bào)模型良好的預(yù)報(bào)性能以及HACDE算法對(duì)解決RVM參數(shù)優(yōu)化問(wèn)題的有效性。
　　(3)利用熔融指數(shù)時(shí)間序列的混沌特性，建立了基于模糊小波神經(jīng)網(wǎng)絡(luò)（Fuzzy wavelet neural network，F(xiàn)WNN）的熔融指數(shù)混沌預(yù)報(bào)模型。采用梯度下降算法推導(dǎo)FWNN的結(jié)構(gòu)學(xué)習(xí)算法，確定了待優(yōu)化的學(xué)習(xí)速

5、率。在分析引力搜索算法(Gravitational Search Algorithm，GSA)優(yōu)缺點(diǎn)的基礎(chǔ)上，提出了一種改進(jìn)的引力搜索算法(MGSA)對(duì)FWNN網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的學(xué)習(xí)速率進(jìn)行在線調(diào)整，能夠提高模型對(duì)熔融指數(shù)的預(yù)報(bào)精度。將MGSA-FWNN混沌預(yù)報(bào)模型用于聚丙烯熔融指數(shù)預(yù)報(bào)，預(yù)報(bào)結(jié)果表明了所提出的MGSA-FWNN混沌預(yù)報(bào)模型的預(yù)報(bào)準(zhǔn)確性和良好的推廣泛化能力。
　　(4)對(duì)熔融指數(shù)時(shí)間序列進(jìn)行了多尺度分析，分別進(jìn)行了小波

6、變換和經(jīng)驗(yàn)?zāi)B(tài)分解，并且將兩種方法的分解結(jié)果和重構(gòu)結(jié)果進(jìn)行了比較分析。結(jié)果表明，經(jīng)驗(yàn)?zāi)B(tài)分解能更精細(xì)地區(qū)分熔融指數(shù)時(shí)間序列中不同頻率范圍的數(shù)據(jù)，而且對(duì)信號(hào)的重構(gòu)誤差比小波分解更小。對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解得到的5個(gè)固有模態(tài)函數(shù)(Intrinsic Mode Function，IMF)進(jìn)行特性分析，最終判定IMF2、IMF3、IMF5是混沌序列，而IMF1和IMF4不具備混沌特性。以上分析最終確定熔融指數(shù)時(shí)間序列具有多尺度特性。
　　(5)在