【摘要】：隨著非線性科學的快速發(fā)展,混沌理論的研究成為了非線性科學研究的重要領域,尤其是混沌時間序列的分析與預測已經(jīng)成為一個非常重要的研究方向。熔融指數(shù)是丙烯聚合生產的重要指標之一,建立可靠的熔融指數(shù)預報模型非常重要。針對丙烯聚合過程這一復雜工藝,引入混沌理論對熔融指數(shù)時間序列進行信息挖掘,以探究時間序列所包含的信息并建立相對準確的軟測量預報模型。本文針對混沌時間序列分析及其在聚丙烯熔融指數(shù)預報中的應用展開研究,主要進行混沌特性識別、軟測量建模優(yōu)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)對熔融指數(shù)時間序列的混沌特性進行識別研究,采用ADF和KPSS兩種單位根檢驗方法進行平穩(wěn)性分析,并采用R/S分析法計算其Hurst指數(shù),在Takens定理的基礎上探討時間序列的相空間重構技術,進一步對關聯(lián)維數(shù)、Lyapunov指數(shù)和Kolmogorov熵三個刻畫奇異吸引子的重要參數(shù)進行了計算分析。綜合不同的混沌特征量,最終確定熔融指數(shù)時間序列具有混沌特性。(2)利用熔融指數(shù)時間序列的混沌特性,在相空間重構的基礎上,建立基于相關向量機(Relevance Vector Machine,RVM)的熔融指數(shù)混沌預報模型�？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)各自的特點進行了改進與結合,提出混合蟻群差分進化算法(HACDE)用于對RVM的核參數(shù)進行尋優(yōu)。將HACDE-RVM混沌預報模型用于實際的聚丙烯熔融指數(shù)預報,結果表明了 HACDE-RVM混沌預報模型良好的預報性能以及HACDE算法對解決RVM參數(shù)優(yōu)化問題的有效性。(3)利用熔融指數(shù)時間序列的混沌特性,建立了基于模糊小波神經(jīng)網(wǎng)絡(Fuzzy wavelet neural network,FWNN)的熔融指數(shù)混沌預報模型。采用梯度下降算法推導FWNN的結構學習算法,確定了待優(yōu)化的學習速率。在分析引力搜索算法(Gravitational Search Algorithm,GSA)優(yōu)缺點的基礎上,提出了一種改進的引力搜索算法(MGSA)對FWNN網(wǎng)絡結構參數(shù)的學習速率進行在線調整,能夠提高模型對熔融指數(shù)的預報精度。將MGSA-FWNN混沌預報模型用于聚丙烯熔融指數(shù)預報,預報結果表明了所提出的MGSA-FWNN混沌預報模型的預報準確性和良好的推廣泛化能力。(4)對熔融指數(shù)時間序列進行了多尺度分析,分別進行了小波變換和經(jīng)驗模態(tài)分解,并且將兩種方法的分解結果和重構結果進行了比較分析。結果表明,經(jīng)驗模態(tài)分解能更精細地區(qū)分熔融指數(shù)時間序列中不同頻率范圍的數(shù)據(jù),而且對信號的重構誤差比小波分解更小。對經(jīng)驗模態(tài)分解得到的5個固有模態(tài)函數(shù)(Intrinsic Mode Function,IMF)進行特性分析,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)時間序列具有多尺度特性。(5)在熔融指數(shù)多尺度特性的基礎上,引入組合預測的概念,建立了基于多尺度分析的熔融指數(shù)組合預測模型。根據(jù)各分解序列的不同特性,針對性地采用不同的預測方法。最后將建立的組合預測模型用于聚丙烯熔融指數(shù)預報,并將預報結果與第三章和第四章的單一預報模型進行比較分析。預報結果充分說明了基于多尺度分析的熔融指數(shù)組合預報模型的預報準確性和良好的推廣泛化能力;組合預測模型能夠克服單一預報模型的一些問題,建模方法更加的合理、有效。
【圖文】：

圖１．１邋Ｌｏｒｅｎｚ吸引子的三維立體圖逡逑圖ｌ．ｉ中不同側面上的曲線運動可以看出，它們在沿著一定軌道重時也在進行規(guī)律性的改變，但最終都會走向相對穩(wěn)定區(qū)域，表明了混性和隨機性。Ｌｏｒｅｎｚ軌線反復折疊并相互交叉形成閉合空間，即所

－４０邋０邐ｚ逡逑圖１．１邋Ｌｏｒｅｎｚ吸引子的三維立體圖逡逑分析圖ｌ．ｉ中不同側面上的曲線運動可以看出，它們在沿著一定軌道重復運逡逑動的同時也在進行規(guī)律性的改變，但最終都會走向相對穩(wěn)定區(qū)域，表明了混沌的逡逑非周期性和隨機性。Ｌｏｒｅｎｚ軌線反復折疊并相互交叉形成閉合空間，即所說的逡逑奇異吸引子。逡逑２．邋Ｌｏｇｉｓｔｉｃ邋映射逡逑１９７６年美國生物學家Ｒｏｂｅｒｔ邋Ｒ．邋Ｍａｙ提出了著名的蟲口模型，即Ｌｏｇｉｓｔｉｃ映逡逑射［１５，，１６］，表達式如下所示：逡逑ｘ，，＋＇＝ｘ，，（ａ－ｂｘ”、邋（１．２）逡逑４逡逑
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：TQ325.14;O211.61

【參考文獻】

相關期刊論文 前10條

1 王育飛;孫路;張劍云;薛花;;交流電弧爐供電網(wǎng)波動電壓超短期混沌預測方法[J];電測與儀表;2017年18期

2 王宇紅;狄克松;張姍;尚超;黃德先;;基于DBN-ELM的聚丙烯熔融指數(shù)的軟測量[J];化工學報;2016年12期

3 王秋平;舒勤;黃宏光;;含有誤差校正的小波神經(jīng)網(wǎng)絡交通流量預測[J];計算機測量與控制;2016年02期

4 田中大;高憲文;石彤;;用于混沌時間序列預測的組合核函數(shù)最小二乘支持向量機[J];物理學報;2014年16期

5 唐舟進;任峰;彭濤;王文博;;基于迭代誤差補償?shù)幕煦鐣r間序列最小二乘支持向量機預測算法[J];物理學報;2014年05期

6 張洪賓;孫小端;賀玉龍;;短時交通流復雜動力學特性分析及預測[J];物理學報;2014年04期

7 魏宇杰;尚超;高莘青;范志;黃德先;;基于動態(tài)過程劃分的熔融指數(shù)軟測量建模[J];化工學報;2014年08期

8 韓敏;王新迎;;多元混沌時間序列的加權極端學習機預測[J];控制理論與應用;2013年11期

9 胡廷芳;;聚丙烯工藝技術進展及其國內應用情況[J];化學工業(yè)與工程技術;2013年04期

10 張學清;梁軍;;基于EEMD-近似熵和儲備池的風電功率混沌時間序列預測模型[J];物理學報;2013年05期

相關博士學位論文 前4條

1 張滸;時間序列短期預測模型研究與應用[D];華中科技大學;2013年

2 柳長源;相關向量機多分類算法的研究與應用[D];哈爾濱工程大學;2013年

3 李彩虹;兩類組合預測方法的研究及應用[D];蘭州大學;2012年

4 劉芳;基于小波分析和相關向量機的非線性徑流預報模型研究[D];華中科技大學;2007年

相關碩士學位論文 前1條

1 王春萍;基于小波神經(jīng)網(wǎng)絡的海雜波抑制技術研究[D];哈爾濱工程大學;2009年

本文編號：2609337