12、费托合成中CO转化率估计及空间填充曲线全局优化方法

费托合成中CO转化率估计及空间填充曲线全局优化方法

1. LoLiMoT算法估计CO转化率

1.1 LoLiMoT算法原理

LoLiMoT算法用于估计费托合成中CO转化率。在算法里，高斯分布的划分设定为其各维度矩形长度的0.159倍，公式如下：
- (\sigma_{ij}=k_{\sigma}\Delta_{ij})
- (k_{\sigma}=0.159)

这里的(\Delta_{i,j})表示局部模型(i)在维度(u_j)上超矩形的扩展。(k_{\sigma})是通过试错法得到的，对其进行0.001的扰动会使估计数据产生很大差异，降低结果的准确性。

1.2 LoLiMoT算法步骤

LoLiMoT算法步骤如下：
1. 初始模型设定 ：从单个神经元开始，这是一个在整个输入空间上的全局线性模型，其中(\varphi_1(u)=1)，并设(M = 1)。若有先验输入空间划分，可将其用作初始结构。
2. 寻找最差局部线性模型 ：为每个局部线性模型（LLM）计算局部损失函数，如均方误差（SSE），找出表现最差的神经元。
3. 检查所有划分 ：对表现最差的局部线性模型进行进一步细化。将该LLM的超矩形沿轴正交分割成两半，尝试所有维度的划分，针对每个划分执行以下步骤：
- 构建两个生成超矩形的多维有效性函数。
- 构建所有有效性函数。
- 估计新生成LLM的规则后件参数。
- 计算当前整体模型的损失函数。
4. 确