CN117476136B - 一种高纯羧酸酯合成工艺参数优化方法及系统 - Google Patents

一种高纯羧酸酯合成工艺参数优化方法及系统 Download PDF

Info

Publication number
CN117476136B
CN117476136B CN202311826038.XA CN202311826038A CN117476136B CN 117476136 B CN117476136 B CN 117476136B CN 202311826038 A CN202311826038 A CN 202311826038A CN 117476136 B CN117476136 B CN 117476136B
Authority
CN
China
Prior art keywords
target temperature
temperature data
quartile
bits
data segment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311826038.XA
Other languages
English (en)
Other versions
CN117476136A (zh
Inventor
沈睿丞
游淯琪
徐奕
刘冬梅
徐松浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Songsheng New Materials Co ltd
Original Assignee
Shandong Songsheng New Materials Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Songsheng New Materials Co ltd filed Critical Shandong Songsheng New Materials Co ltd
Priority to CN202311826038.XA priority Critical patent/CN117476136B/zh
Publication of CN117476136A publication Critical patent/CN117476136A/zh
Application granted granted Critical
Publication of CN117476136B publication Critical patent/CN117476136B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/60—In silico combinatorial chemistry
    • G16C20/62—Design of libraries

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及羧酸酯合成参数优化领域，具体涉及一种高纯羧酸酯合成工艺参数优化方法及系统。该方法首先对羧酸酯在整个合成过程中的温度时序序列进行分段，对每个数据段的温度数据进行排序，然后在每个数据段中建立四分位和其他分位，分析同一数据段的四分位和其他分位中温度数据之间分布的差异，以及数据段的不同分位和参考数据段的对应分位中温度数据之间变化的差异，结合获取的修正程度和调整量对四分位进行调整，通过四分位的最终调整值在数据段中构建箱线图，基于箱线图对羧酸酯合成的实时温度进行优化。通过本发明构建出的箱线图能够更加准确的反映数据段中温度数据的分布情况，从而能够对羧酸酯合成的实时温度进行更加有效的优化调整。

Description

一种高纯羧酸酯合成工艺参数优化方法及系统
技术领域
本发明涉及羧酸酯合成参数优化领域，具体涉及一种高纯羧酸酯合成工艺参数优化方法及系统。
背景技术
羧酸酯是一种有机化合物，对其合成的纯度有着较高的要求，在合成制备过程中，温度对羧酸酯的合成效率和纯度有着重要影响，温度过低时反应速率较慢，合成效率较低，温度过高时又会产生副产物以及发生逆反应，导致羧酸酯的纯度达不到要求，因此对羧酸酯反应温度的优化至关重要。
相关技术中通常利用箱线图方法检测在羧酸酯反应过程中的异常温度，进而对异常温度进行优化调整，但由于羧酸酯在不同反应阶段的反应温度的分布存在差异，而通过现有方法构建的箱线图无法准确反映温度数据的分布特征，降低对异常的温度数据检测的准确性，从而无法对羧酸酯的反应温度进行有效的优化调整。
发明内容
为了解决通过现有方法构建的箱线图无法准确反映温度数据的分布特征，降低对异常的温度数据检测的准确性，从而无法对羧酸酯的反应温度进行有效的优化调整的技术问题，本发明的目的在于提供一种高纯羧酸酯合成工艺参数优化方法及系统，所采用的技术方案具体如下：
本发明提出了一种高纯羧酸酯合成工艺参数优化方法，所述方法包括：
获取羧酸酯在合成过程中的温度时序序列，按照预设时间段对温度时序序列均匀分段获得初始数据段，将每个初始数据段中初始温度数据的数值按照大小进行排序，得到有序数据段；
在每个有序数据段中建立四分位和预设数值的其他分位；将同一分位的第一个分位点与最后一个分位点之间的初始温度数据作为对应分位的目标温度数据，根据同一有序数据段的四分位的目标温度数据和其他分位的目标温度数据之间分布的差异，获得每一其他分位对四分位的修正程度；将与每个有序数据段相邻的下一个有序数据段作为对应有序数据段的参考数据段；根据有序数据段的不同分位的目标温度数据和参考数据段的对应分位的目标温度数据之间变化的差异，获得四分位的调整量；
基于所述修正程度和所述调整量对四分位进行调整，获得对应有序数据段的四分位的最终调整值；基于四分位的所述最终调整值在对应有序数据段中构建箱线图；
根据所述箱线图对羧酸酯合成过程中的实时温度进行优化。
进一步地，所述根据同一有序数据段的四分位的目标温度数据和其他分位的目标温度数据之间分布的差异，获得每一其他分位对四分位的修正程度包括：
将每个分位的每个目标温度数据与有序数据段的中位数之间差值的绝对值，作为对应目标温度数据的距离参数；
所述四分位的修正程度包括上四分位的修正程度和下四分位的修正程度；
所述上四分位的修正程度的计算公式为：
其中，表示第/>个有序数据段的第/>个其他分位对上四分位的修正程度；表示第/>个有序数据段的四分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中大于中位数的第/>个目标温度数据的距离参数；/>表示第/>个有序数据段的四分位中大于中位数的目标温度数据的数量；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据的距离参数；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的目标温度数据的数量；/>表示归一化函数；
所述下四分位的修正程度的计算公式为：
其中，表示第/>个有序数据段的第/>个其他分位对下四分位的修正程度；表示第/>个有序数据段的四分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中小于中位数的第/>个目标温度数据的距离参数；/>表示第/>个有序数据段的四分位中小于中位数的目标温度数据的数量；/>表示在第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示在第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据的距离参数；/>表示在第个有序数据段的第/>个其他分位中小于中位数的目标温度数据的数量；/>表示归一化函数。
进一步地，所述根据有序数据段的不同分位的目标温度数据和参考数据段的对应分位的目标温度数据之间变化的差异，获得四分位的调整量包括：
根据有序数据段与对应的参考数据段之间四分位的目标温度数据的差异，以及其他分位的目标温度数据的差异，获得其他分位对有序数据段的四分位的偏移量；
根据有序数据段的其他分位中两两相邻的目标温度数据之间的差异、对应参考数据段的对应其他分位中两两相邻的目标温度数据之间的差异、有序数据段和对应参考数据段之间相同分位的分位点对应的目标温度数据的差异，获得其他分位对有序数据段的四分位的偏移影响程度；
利用所述偏移影响程度对所述偏移量进行加权求和，获得对应有序数据段的四分位的调整量。
进一步地，所述根据有序数据段与对应的参考数据段之间四分位的目标温度数据的差异，以及其他分位的目标温度数据的差异，获得其他分位对有序数据段的四分位的偏移量包括：
所述四分位的偏移量包括上四分位偏移量和下四分位的偏移量；
所述上四分位的偏移量的计算公式为：
其中，表示第/>个其他分位对第/>个有序数据段的上四分位的偏移量；/>表示第/>个有序数据段的四分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的四分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中大于中位数的目标温度数据的数量；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的目标温度数据的数量；
所述下四分位的偏移量的计算公式为：
其中，表示第/>个其他分位对第/>个有序数据段的下四分位的偏移量；/>表示在第/>个有序数据段的四分位中小于中位数的第/>个目标温度数据；/>表示第个有序数据段对应的参考数据段的四分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中小于中位数的目标温度数据的数量；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的目标温度数据的数量。
进一步地，所述根据有序数据段的其他分位中两两相邻的目标温度数据之间的差异、对应参考数据段的对应其他分位中两两相邻的目标温度数据之间的差异、有序数据段和对应参考数据段之间相同分位的分位点对应的目标温度数据的差异，获得其他分位对有序数据段的四分位的偏移影响程度包括：
所述四分位的偏移影响程度包括上四分位的偏移影响程度和下四分位的偏移影响程度；
所述上四分位的偏移影响程度的计算公式为：
其中，表示第/>个其他分位对第/>个有序数据段的上四分位的偏移影响程度；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的目标温度数据的数量；/>表示归一化函数；
所述下四分位的偏移影响程度的计算公式为：
其中，表示第/>个其他分位对第/>个有序数据段的下四分位的偏移影响程度；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的目标温度数据的数量；/>表示归一化函数。
进一步地，所述基于所述修正程度和所述调整量对四分位进行调整，获得对应有序数据段的四分位的最终调整值包括：
将有序数据段的四分位对应的目标温度数据与中位数的差值的绝对值，作为四分位与中位数之间的原始距离；
将有序数据段的所有其他分位对四分位的所述修正程度的平均值，作为距离调整系数；
将所述距离调整系数和所述原始距离的乘积值与所述中位数相加，获得四分位的初始调整值；
将所述初始调整值与所述调整量的和值，作为对应有序数据段的四分位的最终调整值。
进一步地，所述基于四分位的所述最终调整值在对应有序数据段中构建箱线图包括：
所述四分位的最终调整值包括上四分位的最终调整值和下四分位的最终调整值；
将上四分位的最终调整值作为有序数据段的上四分位数，将下四分位的最终调整值作为有序数据段的下四分位数；
基于箱线图方法，根据有序数据段的所述上四分位数、下四分位数以及中位数，在对应有序数据段中构建箱线图。
进一步地，所述根据所述箱线图对羧酸酯合成过程中的实时温度进行优化包括：
将有序数据段中处于箱线图的上限和下限之间所有初始温度数据的平均值，作为基准温度值；
若所述实时温度大于箱线图的上限或小于箱线图的下限，则将实时温度调整为基准温度值。
进一步地，所述在每个有序数据段中建立四分位和预设数值的其他分位包括：
以三个分割点将有序数据段平均分成四部分，将分割点作为四分位点，建立有序数据段的四分位；
选择不同数量的分割点，以同样的方式在对应有序数据段中建立预设数值的其他分位。
本发明还提出了一种高纯羧酸酯合成工艺参数优化系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项一种高纯羧酸酯合成工艺参数优化方法的步骤。
本发明具有如下有益效果：
本发明考虑到通过现有方法选取四分位数构建的箱线图无法准确反映温度数据的分布特征，降低对异常的温度数据检测的准确性，从而无法对羧酸酯的反应温度进行有效的优化调整，因此本发明首先对温度时序序列进行分段，便于后续对不同反应阶段中的温度分布情况进行分析，然后对数据段中的温度数据进行排序，便于后续对有序数据段建立不同的分位，由于现有方法仅仅对有序的温度数据进行简单的均分得到四分位，并没有关注温度数据的具体分布，导致构建的箱线图无法准确反映温度数据的分布特征，同时考虑到其他分位与四分位中温度数据的分布一定的差异，因此可通过获取的修正程度在后续中对有序数据段的四分位进行不同程度的修正，并对数据段的四分位和对应参考数据段的其他分位之间的目标温度数据的变化差异进行分析，通过获取的调整量在后续中对四分位进行微调，进一步提高调整后的四分位的精度，使得构建的箱线图能够更加准确的反映数据段中温度数据的分布特征，从而能够对羧酸酯合成过程中的实时温度进行更加有效的优化调整。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种高纯羧酸酯合成工艺参数优化方法流程图；
图2为本发明一个实施例所提供的对有序数据段进行四分位划分的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种高纯羧酸酯合成工艺参数优化方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种高纯羧酸酯合成工艺参数优化方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种高纯羧酸酯合成工艺参数优化方法流程图，该方法包括：
步骤S1：获取羧酸酯在合成过程中的温度时序序列，按照预设时间段对温度时序序列均匀分段获得初始数据段，将每个初始数据段中初始温度数据的数值按照大小进行排序，得到有序数据段。
温度对羧酸酯的合成效率和纯度有着重要的影响，通常利用箱线图方法检测在羧酸酯反应过程中的异常温度，进而对异常温度进行优化调整，但由于羧酸酯在不同反应阶段所需的反应温度的分布存在差异，而现有方法仅仅是简单的对温度数据进行排序并均分，通过获取的上四分位数和下四分位数构建出箱线图，导致箱线图无法准确反映温度数据的分布特征，降低对异常的温度数据检测的准确性，从而无法对羧酸酯的反应温度进行有效的优化调整。因此本发明实施例提出一种高纯羧酸酯合成工艺参数优化方法以解决该问题。
本发明实施例首先使用温度传感器采集羧酸酯制备车间在羧酸酯整个合成过程中的温度时序序列，采集的时间间隔设置为0.2秒，其中时间间隔也可根据具体实施场景由实施者自行设置，在此不作限定。
由于羧酸酯在不同反应阶段中温度的分布特征和变化特征存在一定的差异，因此可每隔预设时间段对温度时序序列进行均匀分段，获得多个初始数据段，在后续中可针对初始数据段中的初始温度数据进行分析，实现对羧酸酯在不同的反应阶段中的温度进行优化调整，从而提升温度优化的效果，其中预设时间段可设置为5分钟，预设时间段的具体数值也可根据具体实施场景由实施者自行设置，在此不作限定。
为了便于后续在初始数据段中建立四分位和其他分位以及对四分位进行调整，可首先对初始数据段中的初始温度数据的数值进行从小到大的排序，得到有序数据段，在本发明的其他实施例中也可对初始数据段中的初始温度数据进行从大到小的排序，在此不作限定。
对初始数据段中的温度数据进行排序后，后续中便可在每个有序数据段中建立四分位以及其他分位，并可对四分位进行调整，以保证构建的箱线图能够反映有序数据段中温度数据的分布特征，提高对温度数据异常检测和优化的准确性。
步骤S2：在每个有序数据段中建立四分位和预设数值的其他分位；将同一分位的第一个分位点与最后一个分位点之间的初始温度数据作为对应分位的目标温度数据，根据同一有序数据段的四分位的目标温度数据和其他分位的目标温度数据之间分布的差异，获得每一其他分位对四分位的修正程度；将与每个有序数据段相邻的下一个有序数据段作为对应有序数据段的参考数据段；根据有序数据段的不同分位的目标温度数据和参考数据段的对应分位的目标温度数据之间变化的差异，获得四分位的调整量。
在对羧酸酯合成过程中的初始温度数据进行异常检测的过程中，由于现有构建箱线图的方法仅仅是对排序后的有序数据段进行简单的均分得到四分位，并没有关注初始温度数据大小的跨度以及初始温度数据分布的密度等分布情况，因此本发明实施例通过在每个有序数据段中建立多个不同的其他分位，并基于其他分位中的目标温度数据与四分位中的目标温度数据之间的差异，对四分位进行调整。
优选地，在本发明的一个实施例中四分位和预设数值的其他分位的获取方法具体包括：
以三个分割点将有序数据段平均分成四部分，将分割点作为四分位点，建立有序数据段的四分位；选择不同数量的分割点，以同样的方式在对应有序数据段中建立其他分位，其中分割点的数量需要为大于1的整数。在本发明的一个实施例中在有序数据段中分别选择两个、四个和五个分割点，建立预设数值分别为三、五和六三种类型的其他分位，也即对应的三分位、五分位和六分位，其他分位的类型的数量以及选取的预设数值也可根据具体实施场景由实施者自行设置在此不做限定。请参阅图2，图2本发明一个实施例所提供的对有序数据段进行四分位划分的示意图，其中，第二四分位点对应的初始温度数据即为有序数据段的中位数。
需要说明的是，在对有序数据段进行不同分位的划分时，如果分位点的位置处于两个初始温度数据之间，则可将与分位点相邻的两个初始温度数据的平均值作为分位点对应的初始温度数据。
对每个有序数据段建立四分位和其他分位后，为了便于后续对有序数据段的分析以及在对应有序数据段建立箱线图，首先可将每个有序数据段的四分位中的第二个四分位点所对应的初始温度数据作为有序数据段的中位数，并将同一类型分位的第一个分位点与最后一个分位点之间的目标温度数据作为对应分位中的目标温度数据，例如，将第一个四分位点和最后一个四分位点之间的目标温度数据作为四分位中的目标温度数据，此时四分位中的目标温度数据包含整个有序数据段百分之五十的数据量。
本发明实施例首先针对同一有序数据段进行分析，考虑到在同一有序数据段中，不同分位所包含的目标温度数据的数量不同，因此不同分位中的目标温度数据的分布情况存在一定的差异，所以可对同一有序数据段的四分位中的目标温度数据和其他分位中目标温度数据之间的分布差异进行分析，通过获取的修正程度反映有序数据段的每个其他分位中目标温度数据与四分位中目标温度数据之间分布的差异，同时在后续中可通过修正程度对有序数据段的四分位进行不同程度的修正，提高在羧酸酯合成过程中对温度的异常检测和优化的准确性。
优选地，在本发明的一个实施例中有序数据段的其他分位对四分位的修正程度的获取方法具体包括：
将每个分位中每个目标温度数据与中位数之间差值的绝对值，作为对应目标温度数据的距离参数；由于对四分位的调整包括对上四分位的调整和对下四分位的调整，其中上四分位为四分位的第一个四分位点，下四分位为四分位的第三个四分位点，因此其他分位对四分位的修正程度包括上四分位的修正程度和下四分位的修正程度，并且通过对不同分位中大于中位数的目标温度数据的分布进行分析得到对上四分位的修正程度，通过对不同分位中小于中位数的目标温度数据的分布进行分析得到对下四分位的修正程度；
其中，其他分位对上四分位的修正程度的表达式可以具体例如为：
其中，表示第/>个有序数据段的第/>个其他分位对上四分位的修正程度；表示第/>个有序数据段的四分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中大于中位数的第/>个目标温度数据的距离参数；/>表示第/>个有序数据段的四分位中大于中位数的目标温度数据的数量；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据的距离参数；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的目标温度数据的数量；/>表示归一化函数。
在本发明的一个实施例中，归一化处理可以具体例如为最大最小值归一化处理，并且，后续步骤中的归一化均可以采用最大最小值归一化处理，在本发明的其他实施例中可以根据数值具体范围选择其他归一化方法，对此不再赘述。
在其他分位对上四分位的修正程度的获取过程中，通过对有序数据段的四分位中大于中位数的目标温度数据和其他分位中大于中位数的目标温度数据之间分布的差异进行分析，得到其他分位对上四分位的修正程度；/>可理解为有序数据段的四分位中大于中位数的目标温度数据的分布重心，/>可理解为有序数据段的对应其他分位中大于中位数的目标温度数据的分布重心，在本发明的一个实施例中对二者的差值的绝对值进行归一化处理，将其他分位对上四分位的修正程度/>限定在/>范围内，/>越大，说明四分位中大于中位数的目标温度数据和每个其他分位中大于中位数的目标温度数据之间的分布差异越大，同时在后续中可结合其他分位对上四分位的修正程度/>对上四分位进行调整。
其他分位对下四分位的修正程度的表达式可以具体例如为：
其中，表示第/>个有序数据段的第/>个其他分位对下四分位的修正程度；表示第/>个有序数据段的四分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中小于中位数的第/>个目标温度数据的距离参数；/>表示第/>个有序数据段的四分位中小于中位数的目标温度数据的数量；/>表示在第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示在第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据的距离参数；/>表示在第个有序数据段的第/>个其他分位中小于中位数的目标温度数据的数量；/>表示归一化函数。
同理，对下四分位的修正程度的分析，可参考对上四分位的修正程度/>的分析，在此不做赘述。
由于不同有序数据段中的目标温度数据之间的变化特征存在一定的差异，并且相邻的有序数据段之间的目标温度数据的变化特征具有一定的相似性，所以可首先将与有序数据段相邻的下一个有序数据段作为对应有序数据段的参考数据段，并根据有序数据段的不同分位中目标温度数据和参考数据段的对应分位中目标温度数据之间变化的差异，获得四分位的调整量，后续中可通过调整量对有序数据段中的四分位进行微调。
优选地，在本发明的一个实施例中四分位的调整量的获取方法具体包括：
由于有序数据段的四分位中的目标温度数据和对应的参考数据段的四分位中相应位置的目标温度数据之间存在一定的变化，同时有序数据段的其他分位中的目标温度数据和参考数据段的对应其他分位中相应位置的目标温度数据也存在一定的变化，因此可首先基于有序数据段与对应的参考数据段之间的四分位中目标温度数据的差异，以及其他分位中目标温度数据的差异，获得对应其他分位对有序数据段的四分位的偏移量，在后续中以偏移量为基础，可进一步得到四分位的调整量，其中其他分位对有序数据段的四分位的偏移量可分为对上四分位的偏移量和对下四分位的偏移量。
其中，其他分位对有序数据段的上四分位的偏移量的表达式可以具体例如为：
/>
其中，表示第/>个其他分位对第/>个有序数据段的上四分位的偏移量；/>表示第/>个有序数据段的四分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的四分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中大于中位数的目标温度数据的数量；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的目标温度数据的数量。
其中，第个有序数据段即为第/>个有序数据段对应的参考数据段，需要说明的是，由于不同有序数据段的长度相同且相同分位的划分规则也相同，因此有序数据段与对应的参考数据段的同一分位中大于中位数的目标温度数据的数量相同，即如果将/>表示第/>个有序数据段对应的参考数据段的四分位中大于中位数的目标温度数据的数量，则/>，如果将/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的目标温度数据的数量，则/>。
在其他分位对有序数据段的上四分位的偏移量的获取过程中，偏移量越大，则在后续中对上四分位微调的程度越大，并且通过分析有序数据段和参考数据段的四分位中大于中位数的相应目标温度数据之间的变化，以及有序数据段和参考数据段的其他分位中大于中位数的相应目标温度数据之间的变化，并通过这两种变化的差异得到其他分位对上四分位的偏移量/>；/>用于反映有序数据段和参考数据段的四分位中大于中位数的相应目标温度数据的整体变化，/>用于反映有序数据段和参考数据段的其它分位中大于中位数的相应目标温度数据的整体变化，进而将二者的差值的绝对值，作为其他分位对有序数据段的上四分位的偏移量/>。
其他分位对有序数据段的下四分位的偏移量的表达式可以具体例如为：
/>
其中，表示第/>个其他分位对第/>个有序数据段的下四分位的偏移量；/>表示在第/>个有序数据段的四分位中小于中位数的第/>个目标温度数据；/>表示第个有序数据段对应的参考数据段的四分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中小于中位数的目标温度数据的数量；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的目标温度数据的数量。
同理，如果将表示第/>个有序数据段对应的参考数据段的四分位中小于中位数的目标温度数据的数量，则/>，如果将/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的目标温度数据的数量，则/>；并且对下四分位的偏移量/>的分析，可参考对上四分位的偏移量/>的分析，在此不做赘述。
本发明实施例考虑到由于有序数据段的其他分位中目标温度数据与参考数据段的对应其他分位中目标温度数据之间的变化趋势存在差异，因此需要对偏移量进行不同程度的调整，本发明实施例根据有序数据段的其他分位中两两相邻的目标温度数据之间的差异、对应参考数据段的对应其他分位中两两相邻的目标温度数据之间的差异、有序数据段和对应参考数据段之间相同分位的分位点对应的目标温度数据的差异，获得对应其他分位对有序数据段的四分位的偏移影响程度，通过偏移影响程度对上述获取的偏移量进行不同程度的调整，从而可提高后续获取的四分位调整量的准确性，同样其他分位对有序数据段的四分位的偏移影响程度也可分为对上四分位的偏移影响程度和对下四分位的偏移影响程度。
其中，其他分位对有序数据段的上四分位的偏移影响程度的表达式可以具体例如为：
其中，表示第/>个其他分位对第/>个有序数据段的上四分位的偏移影响程度；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的目标温度数据的数量；/>表示归一化函数。
在其他分位对有序数据段的上四分位的偏移影响程度的获取过程中，用于反映有序数据段的其他分位中大于中位数的相邻两个目标温度数据之间的变化量，/>用于反映参考数据段的对应其他分位中大于中位数的相邻两个目标温度数据之间的变化量，同时越小，说明有序数据段和参考数据段的同一其他分位中大于中位数的目标温度数据的变化趋势越一致，进而在后续中对对应偏移量调整的程度就越小，则其他分位对有序数据段的上四分位的偏移影响程度/>就越小；/>用于反映有序数据段和参考数据段之间的其他分位中大于中位数的分位点对应的目标温度数据的差异，/>越小，说明有序数据段和参考数据段的同一其他分位中大于中位数的分位点分布的越一致，进而说明有序数据段和参考数据段的同一其他分位中大于中位数的目标温度数据的变化趋势越一致，则其他分位对有序数据段的上四分位的偏移影响程度/>就越小。
其他分位对有序数据段的下四分位的偏移影响程度的表达式可以具体例如为：
其中，表示第/>个其他分位对第/>个有序数据段的下四分位的偏移影响程度；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的目标温度数据的数量；/>表示归一化函数。
同理，对下四分位的偏移影响程度的分析，可参考对上四分位的偏移影响程度/>的分析，在此不做赘述。
获取到对其他分位对有序数据段的四分位的偏移量和偏移影响程度后，便可基于偏移影响程度对偏移量进行加权调整，从而得到有序数据段的四分位的调整量，同样有序数据段的四分位的调整量包括上四分位的调整量和下四分位的调整量。
其中，有序数据段的上四分位的调整量和下四分位的调整量的表达式可以具体例如为：
其中，表示第/>个有序数据段的上四分位的调整量；/>表示第/>个其他分位对第/>个有序数据段的上四分位的偏移影响程度；/>表示第/>个其他分位对第/>个有序数据段的上四分位的偏移量；/>表示第/>个有序数据段的下四分位的调整量；/>表示第/>个其他分位对第/>个有序数据段的下四分位的偏移影响程度；/>表示第/>个其他分位对第/>个有序数据段的下四分位的偏移量；/>表示其他分位的种类数量。
在有序数据段的上四分位的调整量的获取过程中，以其他分位对有序数据段的上四分位的偏移量为基础，通过对应的其他分位对有序数据段的上四分位的偏移影响程度/>对/>进行加权调整，从而得到对应有序数据段的上四分位的调整量/>，在后续中可利用上四分位的调整量对有序数据段的上四分位进行精准的微调，同理对有序数据段的下四分位的调整量/>的分析，可参考对有序数据段的上四分位的调整量/>的分析，在此不做赘述。
通过上述步骤获取到其他分位对四分位的修正程度以及调整量后，在后续中便可基于修正程度和调整量对上四分位和下四分位进行调整，从而在有序数据段中构建更加准确的箱线图，提高对羧酸酯在不同反应阶段中目标温度数据的异常检测和优化的效果。
步骤S3：基于修正程度和调整量对四分位进行调整，获得对应有序数据段的四分位的最终调整值；基于四分位的最终调整值在对应有序数据段中构建箱线图。
本发明实施例的目的是对有序数据段的四分位进行调整，使得构建出的箱线图能够反映有序数据段中目标温度数据的真实分布情况，从而在羧酸酯合成过程中提高对目标温度数据的异常检测和优化的效果，因此可基于上述获取的其他分位对四分位的修正程度以及四分位的调整量对有序数据段的四分位进行调整，从而得到更加准确的四分位的最终调整值，便于后续基于四分位的最终调整值构建更加准确的箱线图。
优选地，在本发明的一个实施例中有序数据段的四分位的最终调整值的获取方法具体包括：
将有序数据段的四分位对应的目标温度数据与中位数的差值的绝对值，作为四分位与中位数之间的原始距离；将有序数据段的所有其他分位对四分位的修正程度的平均值，作为距离调整系数；将距离调整系数和原始距离的乘积值与中位数相加，获得四分位的初始调整值；将初始调整值与调整量的和值，作为对应有序数据段的四分位的最终调整值；四分位的最终调整值包括上四分位的最终调整值和下四分位的最终调整值。
其中，有序数据段的上四分位的最终调整值和下四分位的最终调整值的表达式可以具体例如为：
/>
其中，表示第/>个有序数据段的上四分位的最终调整值；/>表示第/>个有序数据段的中位数；/>表示第/>个有序数据段的第/>个其他分位对上四分位的修正程度；/>表示第/>个有序数据段的上四分位对应的目标温度数据；/>表示第/>个有序数据段的上四分位的调整量；/>表示第/>个有序数据段的下四分位的最终调整值；/>表示第/>个有序数据段的第/>个其他分位对下四分位的修正程度；/>表示第/>个有序数据段的下四分位对应的目标温度数据；/>表示第/>个有序数据段的下四分位的调整量；/>表示其他分位的种类数量。
在有序数据段的上四分位的最终调整值的获取过程中，表示有序数据段的上四分位对应的目标温度数据与中位数之间的差异，即上四分位与中位数之间的原始距离，结合所有其他分位对上四分位的修正程度/>，获得距离调整系数/>，利用距离调整系数对原始距离/>进行调整，得到上四分位的初始调整值，实现对上四分位的第一次调整，并利用上四分位的调整量/>对初始调整值进行第二次的微调，从而得到上四分位的最终调整值/>，同理对有序数据段的下四分位的最终调整值/>的分析，可参考对有序数据段的上四分位的最终调整值/>的分析，在此不做赘述。
对有序数据段的四分位进行调整后，便可基于四分位的最终调整值和有序数据段的中位数在有序数据段中构建箱线图，使得构建的箱线图能够更加准确的反映有序数据段中目标温度数据的分布情况，在后续中可提高对羧酸酯合成的实时温度的优化效果。
优选地，在本发明的一个实施例中在对应有序数据段中构建箱线图方法具体包括：
将上四分位的最终调整值作为有序数据段的上四分位数，将下四分位的最终调整值作为有序数据段的下四分位数；基于箱线图方法，根据有序数据段的上四分位数、下四分位数以及中位数，在对应有序数据段中构建箱线图。需要说明的是，构建箱线图是本领域技术人员熟知的技术手段在，在此不做赘述。
步骤S4：根据箱线图对羧酸酯合成过程中的实时温度进行优化。
通过上述过程构建出的箱线图能够更加准确的反映有序数据段中初始温度数据的真实分布情况，而箱线图可用于检测温度是否出现异常，因此可基于有序数据段中的箱线图对羧酸酯合成的实时温度进行优化，由于通过上述过程在每个有序数据段都构建出了对应的箱线图，因此可对羧酸酯合成过程中的不同反应阶段的实时温度进行优化，以保证羧酸酯合成的纯度达到要求。
优选地，在本发明的一个实施例中对羧酸酯合成的实时温度进行优化方法具体包括：
将有序数据段中处于箱线图的上限和下限之间所有初始温度数据的平均值，作为基准温度值；若实时温度大于箱线图的上限或小于箱线图的下限，说明实时温度出现异常，则将实时温度调整为基准温度值，以保证在羧酸酯合成过程中的实时温度保持正常状态。
本发明一个实施例提供了一种高纯羧酸酯合成工艺参数优化系统，该系统包括存储器、处理器和计算机程序，其中存储器用于存储相应的计算机程序，处理器用于运行相应的计算机程序，计算机程序在处理器中运行时能够实现步骤S1~S4所描述的方法。
综上所述，本发明实施例首先对羧酸酯制备车间在整个合成过程中的温度时序序列进行分段，并对每个有序数据段进行排序，在排序后的每个有序数据段中建立四分位和其他分位，并将有序数据段的四分位中的第二个四分位点对应的温度数据，作为对应有序数据段的中位数，将同一分位的第一个分位点与最后一个分位点之间的温度数据作为对应分位的目标温度数据；然后根据同一有序数据段的四分位的目标温度数据和其他分位的目标温度数据之间分布的差异，获得对应其他分位对四分位的修正程度，根据有序数据段的不同分位的目标温度数据和参考数据段的对应分位的目标温度数据之间变化的差异，获得四分位的调整量，进而结合修正程度和调整量对有序数据段的四分位进行调整，得到四分位的最终调整值，基于最终调整值和中位数在有序数据段中构建箱线图，并根据箱线图对羧酸酯合成过程中的实时温度进行优化。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (9)

1.一种高纯羧酸酯合成工艺参数优化方法，其特征在于，所述方法包括：
获取羧酸酯在合成过程中的温度时序序列，按照预设时间段对温度时序序列均匀分段获得初始数据段，将每个初始数据段中初始温度数据的数值按照大小进行排序，得到有序数据段；
在每个有序数据段中建立四分位和预设数值的其他分位；将同一分位的第一个分位点与最后一个分位点之间的初始温度数据作为对应分位的目标温度数据，根据同一有序数据段的四分位的目标温度数据和其他分位的目标温度数据之间分布的差异，获得每一其他分位对四分位的修正程度；将与每个有序数据段相邻的下一个有序数据段作为对应有序数据段的参考数据段；根据有序数据段的不同分位的目标温度数据和参考数据段的对应分位的目标温度数据之间变化的差异，获得四分位的调整量；
基于所述修正程度和所述调整量对四分位进行调整，获得对应有序数据段的四分位的最终调整值；基于四分位的所述最终调整值在对应有序数据段中构建箱线图；
根据所述箱线图对羧酸酯合成过程中的实时温度进行优化；
所述根据同一有序数据段的四分位的目标温度数据和其他分位的目标温度数据之间分布的差异，获得每一其他分位对四分位的修正程度包括：
将每个分位的每个目标温度数据与有序数据段的中位数之间差值的绝对值，作为对应目标温度数据的距离参数；
所述四分位的修正程度包括上四分位的修正程度和下四分位的修正程度；
所述上四分位的修正程度的计算公式为：
其中，表示第/>个有序数据段的第/>个其他分位对上四分位的修正程度；/>表示第/>个有序数据段的四分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中大于中位数的第/>个目标温度数据的距离参数；/>表示第/>个有序数据段的四分位中大于中位数的目标温度数据的数量；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据的距离参数；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的目标温度数据的数量；/>表示归一化函数；
所述下四分位的修正程度的计算公式为：
其中，表示第/>个有序数据段的第/>个其他分位对下四分位的修正程度；/>表示第/>个有序数据段的四分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中小于中位数的第/>个目标温度数据的距离参数；/>表示第/>个有序数据段的四分位中小于中位数的目标温度数据的数量；/>表示在第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示在第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据的距离参数；/>表示在第/>个有序数据段的第/>个其他分位中小于中位数的目标温度数据的数量；/>表示归一化函数。
2.根据权利要求1所述的一种高纯羧酸酯合成工艺参数优化方法，其特征在于，所述根据有序数据段的不同分位的目标温度数据和参考数据段的对应分位的目标温度数据之间变化的差异，获得四分位的调整量包括：
根据有序数据段与对应的参考数据段之间四分位的目标温度数据的差异，以及其他分位的目标温度数据的差异，获得其他分位对有序数据段的四分位的偏移量；
根据有序数据段的其他分位中两两相邻的目标温度数据之间的差异、对应参考数据段的对应其他分位中两两相邻的目标温度数据之间的差异、有序数据段和对应参考数据段之间相同分位的分位点对应的目标温度数据的差异，获得其他分位对有序数据段的四分位的偏移影响程度；
利用所述偏移影响程度对所述偏移量进行加权求和，获得对应有序数据段的四分位的调整量。
3.根据权利要求2所述的一种高纯羧酸酯合成工艺参数优化方法，其特征在于，所述根据有序数据段与对应的参考数据段之间四分位的目标温度数据的差异，以及其他分位的目标温度数据的差异，获得其他分位对有序数据段的四分位的偏移量包括：
所述四分位的偏移量包括上四分位偏移量和下四分位的偏移量；
所述上四分位的偏移量的计算公式为：
其中，表示第/>个其他分位对第/>个有序数据段的上四分位的偏移量；/>表示第/>个有序数据段的四分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的四分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中大于中位数的目标温度数据的数量；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的目标温度数据的数量；
所述下四分位的偏移量的计算公式为：
其中，表示第/>个其他分位对第/>个有序数据段的下四分位的偏移量；/>表示在第/>个有序数据段的四分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的四分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的四分位中小于中位数的目标温度数据的数量；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的目标温度数据的数量。
4.根据权利要求2所述的一种高纯羧酸酯合成工艺参数优化方法，其特征在于，所述根据有序数据段的其他分位中两两相邻的目标温度数据之间的差异、对应参考数据段的对应其他分位中两两相邻的目标温度数据之间的差异、有序数据段和对应参考数据段之间相同分位的分位点对应的目标温度数据的差异，获得其他分位对有序数据段的四分位的偏移影响程度包括：
所述四分位的偏移影响程度包括上四分位的偏移影响程度和下四分位的偏移影响程度；
所述上四分位的偏移影响程度的计算公式为：
其中，表示第/>个其他分位对第/>个有序数据段的上四分位的偏移影响程度；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中大于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中大于中位数的目标温度数据的数量；/>表示归一化函数；
所述下四分位的偏移影响程度的计算公式为：
其中，表示第/>个其他分位对第/>个有序数据段的下四分位的偏移影响程度；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的所有分位点对应的目标温度数据的平均值；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段对应的参考数据段的第/>个其他分位中小于中位数的第/>个目标温度数据；/>表示第/>个有序数据段的第/>个其他分位中小于中位数的目标温度数据的数量；/>表示归一化函数。
5.根据权利要求1所述的一种高纯羧酸酯合成工艺参数优化方法，其特征在于，所述基于所述修正程度和所述调整量对四分位进行调整，获得对应有序数据段的四分位的最终调整值包括：
将有序数据段的四分位对应的目标温度数据与中位数的差值的绝对值，作为四分位与中位数之间的原始距离；
将有序数据段的所有其他分位对四分位的所述修正程度的平均值，作为距离调整系数；
将所述距离调整系数和所述原始距离的乘积值与所述中位数相加，获得四分位的初始调整值；
将所述初始调整值与所述调整量的和值，作为对应有序数据段的四分位的最终调整值。
6.根据权利要求1所述的一种高纯羧酸酯合成工艺参数优化方法，其特征在于，所述基于四分位的所述最终调整值在对应有序数据段中构建箱线图包括：
所述四分位的最终调整值包括上四分位的最终调整值和下四分位的最终调整值；
将上四分位的最终调整值作为有序数据段的上四分位数，将下四分位的最终调整值作为有序数据段的下四分位数；
基于箱线图方法，根据有序数据段的所述上四分位数、下四分位数以及中位数，在对应有序数据段中构建箱线图。
7.根据权利要求1所述的一种高纯羧酸酯合成工艺参数优化方法，其特征在于，所述根据所述箱线图对羧酸酯合成过程中的实时温度进行优化包括：
将有序数据段中处于箱线图的上限和下限之间所有初始温度数据的平均值，作为基准温度值；
若所述实时温度大于箱线图的上限或小于箱线图的下限，则将实时温度调整为基准温度值。
8.根据权利要求1所述的一种高纯羧酸酯合成工艺参数优化方法，其特征在于，所述在每个有序数据段中建立四分位和预设数值的其他分位包括：
以三个分割点将有序数据段平均分成四部分，将分割点作为四分位点，建立有序数据段的四分位；
选择不同数量的分割点，以同样的方式在对应有序数据段中建立预设数值的其他分位。
9.一种高纯羧酸酯合成工艺参数优化系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~8任意一项所述的一种高纯羧酸酯合成工艺参数优化方法的步骤。
CN202311826038.XA 2023-12-28 2023-12-28 一种高纯羧酸酯合成工艺参数优化方法及系统 Active CN117476136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311826038.XA CN117476136B (zh) 2023-12-28 2023-12-28 一种高纯羧酸酯合成工艺参数优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311826038.XA CN117476136B (zh) 2023-12-28 2023-12-28 一种高纯羧酸酯合成工艺参数优化方法及系统

Publications (2)

Publication Number Publication Date
CN117476136A CN117476136A (zh) 2024-01-30
CN117476136B true CN117476136B (zh) 2024-03-15

Family

ID=89624162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311826038.XA Active CN117476136B (zh) 2023-12-28 2023-12-28 一种高纯羧酸酯合成工艺参数优化方法及系统

Country Status (1)

Country Link
CN (1) CN117476136B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108676955A (zh) * 2018-05-02 2018-10-19 中南大学 一种转炉炼钢终点碳含量和温度控制方法
CN111488336A (zh) * 2020-04-14 2020-08-04 北京航空航天大学 一种集成小波变换和图像二值化的路网交通瓶颈识别方法
WO2020235649A1 (ja) * 2019-05-21 2020-11-26 国立大学法人名古屋工業大学 共進化的組合せ最適化システムおよびプログラム
CN112861345A (zh) * 2021-02-08 2021-05-28 中国工程物理研究院研究生院 考虑温度效应的聚合物粘结复合材料本构模型构建方法
CN113642123A (zh) * 2021-08-09 2021-11-12 上海华兴数字科技有限公司 作业机械散热系统的健康评估方法、装置及作业机械
WO2021238455A1 (zh) * 2020-05-29 2021-12-02 中兴通讯股份有限公司 数据处理方法、设备及计算机可读存储介质
CN113987033A (zh) * 2021-12-28 2022-01-28 国网江西省电力有限公司电力科学研究院 主变在线监测数据群体偏差识别与校准方法
CN114386324A (zh) * 2021-12-27 2022-04-22 上海电力大学 一种基于转折性时段识别的超短期风电功率分段预测方法
CN114492504A (zh) * 2021-12-21 2022-05-13 康威通信技术股份有限公司 一种局部放电信号奇异点滤除方法及系统
CN115130546A (zh) * 2022-05-07 2022-09-30 腾讯科技（深圳）有限公司 异常参数检测方法、装置、计算机可读介质及电子设备
CN115808877A (zh) * 2022-11-22 2023-03-17 山东鲁软数字科技有限公司 一种能源生产设备的加热过程瞬态工况识别方法
CN115858894A (zh) * 2023-02-14 2023-03-28 温州众成科技有限公司 一种可视化的大数据分析方法
CN116949233A (zh) * 2023-05-10 2023-10-27 中冶赛迪信息技术(重庆)有限公司 一种高炉操作参数调整方法、装置、电子设备及存储介质
CN117109805A (zh) * 2023-08-14 2023-11-24 中海石油(中国)有限公司湛江分公司 一种压力传感设备的异常压力检测与校正方法
CN117235653A (zh) * 2023-11-15 2023-12-15 深圳市盛格纳电子有限公司 一种电源连接器故障实时监测方法及系统
CN117245873A (zh) * 2023-11-14 2023-12-19 广东美的制冷设备有限公司 注塑机初始工艺参数的确定方法、装置及注塑机
CN117278643A (zh) * 2023-11-20 2023-12-22 杭州广安汽车电器有限公司 基于云边协同的车载云标定数据传输系统

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108676955A (zh) * 2018-05-02 2018-10-19 中南大学 一种转炉炼钢终点碳含量和温度控制方法
WO2020235649A1 (ja) * 2019-05-21 2020-11-26 国立大学法人名古屋工業大学 共進化的組合せ最適化システムおよびプログラム
CN111488336A (zh) * 2020-04-14 2020-08-04 北京航空航天大学 一种集成小波变换和图像二值化的路网交通瓶颈识别方法
WO2021238455A1 (zh) * 2020-05-29 2021-12-02 中兴通讯股份有限公司 数据处理方法、设备及计算机可读存储介质
CN113742387A (zh) * 2020-05-29 2021-12-03 中兴通讯股份有限公司 数据处理方法、设备及计算机可读存储介质
CN112861345A (zh) * 2021-02-08 2021-05-28 中国工程物理研究院研究生院 考虑温度效应的聚合物粘结复合材料本构模型构建方法
CN113642123A (zh) * 2021-08-09 2021-11-12 上海华兴数字科技有限公司 作业机械散热系统的健康评估方法、装置及作业机械
CN114492504A (zh) * 2021-12-21 2022-05-13 康威通信技术股份有限公司 一种局部放电信号奇异点滤除方法及系统
CN114386324A (zh) * 2021-12-27 2022-04-22 上海电力大学 一种基于转折性时段识别的超短期风电功率分段预测方法
CN113987033A (zh) * 2021-12-28 2022-01-28 国网江西省电力有限公司电力科学研究院 主变在线监测数据群体偏差识别与校准方法
CN115130546A (zh) * 2022-05-07 2022-09-30 腾讯科技（深圳）有限公司 异常参数检测方法、装置、计算机可读介质及电子设备
CN115808877A (zh) * 2022-11-22 2023-03-17 山东鲁软数字科技有限公司 一种能源生产设备的加热过程瞬态工况识别方法
CN115858894A (zh) * 2023-02-14 2023-03-28 温州众成科技有限公司 一种可视化的大数据分析方法
CN116949233A (zh) * 2023-05-10 2023-10-27 中冶赛迪信息技术(重庆)有限公司 一种高炉操作参数调整方法、装置、电子设备及存储介质
CN117109805A (zh) * 2023-08-14 2023-11-24 中海石油(中国)有限公司湛江分公司 一种压力传感设备的异常压力检测与校正方法
CN117245873A (zh) * 2023-11-14 2023-12-19 广东美的制冷设备有限公司 注塑机初始工艺参数的确定方法、装置及注塑机
CN117235653A (zh) * 2023-11-15 2023-12-15 深圳市盛格纳电子有限公司 一种电源连接器故障实时监测方法及系统
CN117278643A (zh) * 2023-11-20 2023-12-22 杭州广安汽车电器有限公司 基于云边协同的车载云标定数据传输系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
考虑预测误差时序分布特性的含风电机组组合模型;王成福;王昭卿;孙宏斌;梁正堂;梁军;韩学山;;中国电机工程学报;20160701(第15期);正文 *

Also Published As

Publication number Publication date
CN117476136A (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
CN107704807B (zh) 一种基于多源遥感序列影像的动态监测方法
CN117196353B (zh) 基于大数据的环境污染评估与监测方法及系统
CN108364297B (zh) 血管图像分割方法、终端、存储介质
CN117370329B (zh) 基于工业物联网的设备数据智能化管理方法及系统
CN117557820B (zh) 一种基于机器视觉的量子点光学膜损伤检测方法及系统
CN116402825B (zh) 轴承故障红外诊断方法、系统、电子设备及存储介质
CN117236084A (zh) 一种木工机械加工生产智能管理方法及系统
CN116596905A (zh) 一种集成电路芯片表面缺陷检测方法
CN114580572B (zh) 一种异常值的识别方法、装置、电子设备及存储介质
CN117496359B (zh) 基于三维点云的植物种植布局监测方法及系统
CN117476136B (zh) 一种高纯羧酸酯合成工艺参数优化方法及系统
CN113486869B (zh) 一种基于非监督特征提取的岩性识别方法、装置及介质
CN109410136B (zh) 基于最短传递路径的匀色方法及处理装置
CN116804668B (zh) 一种食盐碘含量检测数据标识方法及系统
CN117349664A (zh) 一种芽苗菜生长环境在线监测方法及系统
CN117313017A (zh) 一种彩叶研发数据处理方法及系统
CN108492283B (zh) 一种基于带约束稀疏表示的高光谱图像异常检测方法
CN115862006A (zh) 一种面粉磨粉过程中麸星的检测方法
CN111192302A (zh) 一种基于运动平滑性和ransac算法的特征匹配方法
CN115479904A (zh) 一种饲料单宁快速检测方法及系统
CN112906733B (zh) 一种两阶段双校核有界偏相关的实时模板匹配方法
CN109816668B (zh) 遥感影像非监督分割评价方法和装置
CN117235654B (zh) 一种人工智能的数据智能处理方法及系统
CN117152132B (zh) 基于激光烧灼技术的煤样研磨智能检测系统
CN103869129B (zh) 一种计算差异度的方法及其示波器

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant