本发明涉及化工过程模拟，尤其涉及一种优化乙烯裂解过程模拟的条件参数生成方法，一种优化乙烯裂解过程模拟的条件参数生成系统，以及一种计算机可读存储介质。
背景技术：
1、在石油化工行业中，乙烯裂解的效率和效果直接影响着下游产品的质量和成本。因此，对乙烯裂解过程进行精确模拟，有利于提高乙烯产品的产量和质量。
2、目前，乙烯裂解过程模拟通常使用牛顿-拉夫森方法(newton-raphson method)，该方法初始条件的设定，基于距离零点较近的初始猜想值，进而使用函数的切线来近似找出函数的根。然而，该初始猜想值的设定，主要依靠操作员的经验和直观判断，准确度较低。若初始猜测值距离零点较远，则牛顿-拉夫森方法将无法收敛，且模拟过程需要手动调整该初始条件(例如：热通量、压力等参数)。因此，利用牛顿-拉夫森模型进行乙烯裂解的模拟，由于初始猜测值参数的选择智能化程度不足且准确度较低，直接导致乙烯裂解炉模型的迭代次数较多，从而使乙烯裂解过程模拟的效率及精度较低，甚至出现难以收敛后果。
3、为了克服现有技术存在的上述缺陷，本领域亟需一种优化乙烯裂解过程模拟的条件参数生成技术，用于对优化乙烯裂解过程模拟的条件参数进行更高精度的生成和优化，从而提高了乙烯裂解过程模拟的效率、精度及智能化程度。
技术实现思路
1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之前序。
2、为了克服现有技术存在的上述缺陷，本发明提供一种优化乙烯裂解过程模拟的条件参数生成方法，一种优化乙烯裂解过程模拟的条件参数生成系统，以及一种计算机可读存储介质，用于对优化乙烯裂解过程模拟的条件参数进行更高精度的生成和优化，从而提高了乙烯裂解过程模拟的效率、精度及智能化程度。
3、具体来说，根据本发明第一方面提供的优化乙烯裂解过程模拟的条件参数生成方法包括以下步骤：获取预先训练的条件优化迭代模型及乙烯裂解炉模型，并构建条件参数生成模型；获取涉及所述乙烯裂解过程的第一原料参数及产品参数真实值的多组样本数据；将各组所述样本数据中的第一原料参数分别输入所述条件参数生成模型及所述乙烯裂解炉模型，先经由所述条件参数生成模型根据所述第一原料参数生成并输出对应的条件参数，再将所述条件参数输入所述条件优化迭代模型进行迭代优化，再将所述条件优化迭代模型输出的优化条件参数输入所述乙烯裂解炉模型，以根据所述第一原料参数及所述优化条件参数模拟所述乙烯裂解过程，并输出对应的产品参数输出值；根据所述产品参数真实值及所述产品参数输出值，调节所述条件参数生成模型的学习参数，以训练所述条件参数生成模型；以及获取待测样本的第二原料参数，并将所述第二原料参数输入所述条件参数生成模型，以生成优化乙烯裂解过程模拟的条件参数。
4、进一步地，在本发明的一些实施例中，所述第一原料参数及所述第二原料参数对应地包括初始温度、原料组分分布、原料流量中的至少一者，所述条件参数包括乙烯裂解炉的入口热通量和/或入口压力，所述产品参数包括指示所述乙烯裂解炉的产物组分分布的出口温度和/或出口压力。
5、进一步地，在本发明的一些实施例中，构建所述条件参数生成模型的步骤包括：获取xgboost模型数据包、决策树的最大深度及子节点最小权重。其中，各组所述样本数据均处在所述xgboost模型的决策树的根节点上；以所述第一原料参数及所述产品参数涉及的多维数据构建特征，并以均方误差最小化为目标，经由贪心算法遍历各所述特征中各特征维度的取值，以确定各所述特征维度的分割值；根据各所述分割值分别确定对应特征维度的分割点，并根据所述分割点对所述决策树的各节点进行节点分裂；以及响应于所有分裂出的子节点均满足所述决策树的最大深度及子节点最小权重条件，判定完成所述条件参数生成模型的构建。
6、进一步地，在本发明的一些实施例中，训练所述条件参数生成模型的步骤包括：根据预设的子样本的比例对所述多组样本数据进行随机划分，以获得训练集及测试集；将所述训练集中至少一个训练样本的第一原料参数输入所述条件参数生成模型，确定所述条件参数的预测值；根据所述条件参数的预测值及其对应的真实值，确定损失函数值；以及根据预设的优化目标及所述损失函数值，更新所述条件参数生成模型的学习参数，直到损失函数值收敛稳定，获得第一训练条件参数生成模型，以完成所述条件参数生成模型的训练。
7、进一步地，在本发明的一些实施例中，所述学习参数包括树的最大深度、学习率、子节点最小权重条件、l1正则化系数、l2正则化系数、子样本的比例及列采样比例中的至少一者。
8、进一步地，在本发明的一些实施例中，所述样本数据中还包括对应所述第一原料参数及所述产品参数真实值的第一条件参数，训练所述条件参数生成模型的步骤还包括：将所述测试集中至少一个测试样本的第一原料参数输入所述第一训练条件参数生成模型，以确定至少一个对应的第二条件参数；将所述至少一个测试样本的第一条件参数及第二条件参数分别输入所述条件优化迭代模型进行迭代优化，以分别确定所述条件优化迭代模型收敛的第一迭代次数及第二迭代次数；响应于第一迭代次数小于或等于所述第二迭代次数，重新利用所述训练集中的训练样本数据对所述条件参数生成模型进行训练；以及响应于所述第一迭代次数大于所述第二迭代次数，判定完成所述条件参数生成模型的训练。
9、进一步地，在本发明的一些实施例中，所述损失函数值mse被表示为：
10、
11、其中，n为所述训练样本的总数，yi为第i个训练样本的真实值，为所述条件参数生成模型对所述第i个训练样本的预测值。
12、进一步地，在本发明的一些实施例中，所述优化目标被表示为：
13、
14、其中，gi为第i个训练样本的梯度，hi为所述第i个训练样本的海森矩阵，f(xi)为所述条件参数生成模型对所述第i个训练样本的预测值，ω(f)为正则化项。
15、此外，根据本发明第二方面提供的优化乙烯裂解过程模拟的条件参数生成系统包括：存储器，其上存储有计算机指令；以及处理器，连接所述存储器，并被配置用于执行所述存储器上存储的计算机指令，以实施如本发明第一方面所述的优化乙烯裂解过程模拟的条件参数生成方法。
16、此外，根据本发明第三方面提供的计算机可读存储介质，其上存储有计算机指令。所述计算机指令被处理器执行时，实施如本发明第一方面所述优化乙烯裂解过程模拟的条件参数生成方法。
1.一种优化乙烯裂解过程模拟的条件参数生成方法，其特征在于，包括以下步骤：
2.如权利要求1所述的条件参数生成方法，其特征在于，所述第一原料参数及所述第二原料参数对应地包括初始温度、原料组分分布、原料流量中的至少一者，所述条件参数包括乙烯裂解炉的入口热通量和/或入口压力，所述产品参数包括指示所述乙烯裂解炉的产物组分分布的出口温度和/或出口压力。
3.如权利要求2所述的条件参数生成方法，其特征在于，构建所述条件参数生成模型的步骤包括：
4.如权利要求3所述的条件参数生成方法，其特征在于，训练所述条件参数生成模型的步骤包括：
5.如权利要求4所述的条件参数生成方法，其特征在于，所述学习参数包括树的最大深度、学习率、子节点最小权重条件、l1正则化系数、l2正则化系数、子样本的比例及列采样比例中的至少一者。
6.如权利要求4所述的条件参数生成方法，其特征在于，所述样本数据中还包括对应所述第一原料参数及所述产品参数真实值的第一条件参数，训练所述条件参数生成模型的步骤还包括：
7.如权利要求4所述的条件参数生成方法，其特征在于，所述损失函数值mse被表示为：
8.如权利要求4所述的条件参数生成方法，其特征在于，所述优化目标被表示为：
9.一种优化乙烯裂解过程模拟的条件参数生成系统，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时，实施如权利要求1～8中任一项所述优化乙烯裂解过程模拟的条件参数生成方法。
