模糊認(rèn)知圖（fuzzy cognitive maps, FCM）作為一種復(fù)雜系統(tǒng)的建模工具,能夠?qū)ο到y(tǒng)的非線性和不確定性進(jìn)行處理。由于工業(yè)過程變量間往往存在著時間延遲,傳統(tǒng)的FCM模型難以處理這類多變量的時間序列數(shù)據(jù),建立的預(yù)測模型往往不能反映系統(tǒng)內(nèi)各變量真實的因果關(guān)系,從而導(dǎo)致預(yù)測結(jié)果的解釋性差、準(zhǔn)確度低等問題。為此,提出了一種時延挖掘模糊時間認(rèn)知圖（time-delay-mining fuzzy time cognitive maps, TM-FTCM）,它使用互相關(guān)函數(shù)（cross-correlation function,CCF）從數(shù)據(jù)中挖掘時延信息,并通過在推理機(jī)制中添加自我影響因子和偏置及優(yōu)化轉(zhuǎn)換函數(shù)等參數(shù),有效地解決了由于工業(yè)過程變量間的時延導(dǎo)致的預(yù)測模型不準(zhǔn)確等問題。通過數(shù)值仿真實例及實際化工過程數(shù)據(jù),驗證了所提方法的有效性。 

【文章來源】：化工學(xué)報. 2020,71(03)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

0 實驗結(jié)果

模糊認(rèn)知圖是一個三元序組U=(C,E,W)，如圖1所示。其中，C={C1,C2,?,Cn}，表示FCM中的n個概念節(jié)點的集合；E={<Ci,Cj>}，是FCM中概念節(jié)點間因果關(guān)聯(lián)的有向弧，有向弧<Ci,Cj>表示概念節(jié)點Ci對Cj有因果關(guān)聯(lián)或影響；W={wij},wij∈[0,1],wij表示節(jié)點Ci對Cj的影響程度。如wij>0，則Ci對Cj有正的影響，即Ci的增加（或減少）引起Cj的增加（或減少）；如果wij<0則Ci對Cj有負(fù)的影響，即Ci的增加（或減少）引起Cj的減少（或增加）；如果wij=0，則表明Ci對Cj沒有影響。

模糊時間認(rèn)知圖(FTCM)是在模糊認(rèn)知圖(FCM)基礎(chǔ)上的擴(kuò)展，它使用領(lǐng)域?qū)＜业闹R定義時間信息集，增加了概念節(jié)點間的時間滯后信息。FTCM使用模糊集的形式表達(dá)時延信息，如{I,N,L}，其中I、N和L分別表示“Immediate”、“Normal”和“Long”模糊值的形式，如{1,2,3}，其中“3”可以表示3個滯后單元如3年、月等；“2”可以表示2個滯后單元；“1”表示1個。FTCM的示意圖如圖2所示。其中，+0.9、-0.1、-0.7、-0.8、-0.5和+0.5為節(jié)點間的連接強(qiáng)度，3、1、2、1、2和1表示節(jié)點間的滯后時間。2 改進(jìn)的FTCM模型

【參考文獻(xiàn)】：
期刊論文
[1]模糊灰色認(rèn)知網(wǎng)絡(luò)的建模方法及應(yīng)用[J]. 陳寧,彭俊潔,王磊,郭宇騫,桂衛(wèi)華.  自動化學(xué)報. 2018(07)
[2]基于關(guān)聯(lián)變量時滯分析卷積神經(jīng)網(wǎng)絡(luò)的生產(chǎn)過程時間序列預(yù)測方法[J]. 張浩,劉振娟,李宏光,楊博,路潔.  化工學(xué)報. 2017(09)
[3]基于數(shù)據(jù)的流程工業(yè)生產(chǎn)過程指標(biāo)預(yù)測方法綜述[J]. 陳龍,劉全利,王霖青,趙珺,王偉.  自動化學(xué)報. 2017(06)
[4]概率模糊認(rèn)知圖[J]. 駱祥峰,高雋.  中國科學(xué)技術(shù)大學(xué)學(xué)報. 2003(01)



本文編號：3268521