13502

13502

توسعه روشهاي تركيبي تلفيق داده¬ها براي پيش¬بيني كيفيت گازوئيل پالايش شده

دكتري

شيمي - فرآيند

آذر ماه 1393

آذر ماه 1393

دكتر محمد تقي صادقي - دكتر مهدي احمدي مروست

Prof. Shankar Narasimhan

چكيده در فرآيند گوگرد¬زدايي هيدروژني غلظت گوگرد خروجي مهمترين شاخص كيفيت محصول مي¬باشد. به منظور تعيين اين شاخص از حسگرها و آنالايزرهاي سخت افزاري استفاده مي¬گردد كه معمولا" گران بوده، نياز به كاليبره¬شدن دارند و نگهداري آنها پر¬هزينه است. بدين منظور استفاده ازحسگرهاي مجازي به جاي آنها كاربرد روز افزوني يافته است. كيفيت داده¬هاي ورودي در طراحي اين حسگرها به نحوي كه محصولات خروجي را در محدوده وسيعي با سرعت و دقت بالا پيش¬بيني كند، يكي از چالشهاي مهم تحقيقاتي مي¬باشد. در اين رساله جنبه¬هاي مختلف طراحي نوع داده محور اين حسگرها با در نظر گرفتن روشهاي تلفيق داده¬ها مطالعه گرديده است. براي اين منظور يكي از روشهاي نوين يادگيري ماشين به نام مدل رگرسيون بردار پشتيبان (SVR)استفاده شد. جهت اخذ داده¬ها و براي ارزيابي مدلهاي پيشنهادي، آزمايشهاي پايلوتي در محدوده وسيعي (10-5000 ppm) از گوگرد خروجي انجام گرديد. براي بهبود عملكرد مدل SVR، استفاده از تابع كرنل مناسب و تنظيم پارامترها از اهميت بالايي برخوردار است. بنابراين روشهاي نوين بهينه‌سازي براي تنظيم اين پارامترها بررسي گرديد. از بين اين روشها الگوريتم هيبريد فرااكتشافي PSO -SQP از لحاظ دقت و سرعت پيش¬بيني نتايج بهتري را نشان داد. براي افزايش صحت داده-هاي ورودي مدل از روش تركيبي متوالي متشكل از آناليز موجك و حذف خطاي سيستماتيك استفاده گرديد. همچنين به منظور ارزيابي نتايج مدل SVRاز شبكه عصبي پيش¬خور نيز استفاده شد. نتايج بدست آمده كيفيت بالاتر پيش¬بيني مدل SVR نسبت به شبكه عصبي را نشان داد. از طرفي، به منظور رفع مشكل ابعاد بالاي داده¬ها، دو الگوريتم هيبريدي جديد با استفاده از روشهاي متراكم¬سازي داده¬ها ، به نامهاي آناليز اجزاءاصلي (PCA) و كوانتيزاسيون برداري (VQ) در تركيب با رگرسيون بردار پشتيبان پيشنهاد گرديد. از بين اين روشها، روش VQ-SVR سرعت و دقت بالاتري را نشان داد. در نهايت، يك حسگر مجازي بر اساس مدل SVR با پارامترهاي بهينه و اعمال روشهاي پيش¬پردازش، حذف خطا و فشرده¬سازي داده¬ها بر اساس داده¬هاي وسيعي از پايلوت گوگرد¬زدايي هيدروژني با عملكرد بالا از نظر دقت (%AARE=6.68, R2=0.995) و سرعت پيش¬بيني (CT=85s) ارائه شد. واژه‌هاي كليدي: حسگر مجازي، حذف خطاها، متراكم¬سازي داده¬ها، هيبريد فرا¬اكتشافي، گوگرد¬زدايي هيدروژني