高维小波网络及其在丙烯腈收率预测中的应用

针对基于单尺度小波框架的高维小波网络，提出一种系统化的设计方法．首先在小波框架内提出一种小波基初始化方法；然后根据样本的分布特点，提出一种改进的小波基粗选方法；最后将自适应投影算法与AIC准则相结合，对小波基进行精选，同时完成网络参数的辨识．将该方法应用于丙烯腈收率的预测，研究结果表明了该方法的有效性．     

基于粒子群优化的自组织特征映射神经网络及应用

采用粒子群优化(PSO)算法优化权重失真指数(LW D I),提出了基于粒子群优化的SOM(PSO-SOM)训练算法.用该算法取代K ohonen提出的启发式训练算法,同时引进核函数,以加强PSO-SOM算法的非线性聚类能力.以某工厂丙烯腈反应器数据为聚类应用研究对象,研究结果表明,与启发式训练算法相比,PSO-SOM算法能够得到较优的聚类,而且该算法实现简单、便于工程应用,对丙烯腈反应器参数调整以及收率监测具有显著的指导作用.     

面向用户群的信息集成方式及其解决方案

定义了信息系统的用户支持性,并据此将信息集成方式分成面向业务过程和面向用户群两类。通过对这两种信息集成方式的分析与比较,提出了面向用户群的信息系统解决方案,并介绍了采用此解决方案的一个应用实例。     

多变量系统的软测量建模研究

研究加氢裂化分馏塔多个产品的质量指标同时预报的一类ＭＩＭＯ软测量建模问题,采用ＲＢＦ网络和Ｆｕｚｚｙ ＡＲＴＭＡＰ网络对该ＭＩＭＯ系统进行建模,并用ＲＢＦ网络建立了每个输出的独立的ＭＩＳＯ软测量模型。应用实例表明,所研究的软测量建模为多变量系统软件测量的工业应用提供了一种有效实用的方法。     

分馏塔产品质量估计MIMO软测量

针对加氢裂化分馏塔多个产品的质量指标需同时预报的一类ＭＩＭＯ软测量建模问题,研究了适用于ＭＩＭＯ软测量建模的一种改进的的ＰＬＳ算法。通过采用实摹旨出该算法具有所需训练数据少、允许数据相关、算法收敛快等优点,是处理多变量系统软测量建模的一种有效方法。     

软测量技术在石油化工中的应用

一切工业生产的目的都是为了获得合格的产品 ,于是质量控制成为所有控制的核心。为了实现良好的质量控制 ,就必须对产品质量或与产品质量密切相关的重要过程变量进行严格控制。然而 ,由于在线分析仪表 (传感器 )不仅价格昂贵 ,维护保养复杂 ,而且由于分析仪表滞后大 ,最终将导致控制系统的性能下降 ,难以满足生产要求。这在石油化工生产中实例很多 ,例如精 (分 )馏塔产品成份、塔板效率 ,干点、倾点、闪点 ,反应器中反应物浓度、转化率及催化剂活性等。近年来 ,为解决这类变量的测量问题 ,软测量技术得到了很大发展[1]。软测量的基本思想是…     

加氢裂化分馏塔航空煤油干点软测量

基于BP网络、RBF网络、PLS算法建立了加氢裂化分馏塔航空煤油干点软测量模型。在此基础上开发了BP-RBF-PLS的航空煤油干点软测量混合模型。在工业装置上投入运行,精度较高,为实现先进控制创造了条件。     

CIMS工程中投资策略的选择

CIMS工程的投资与收益之间呈现出严重的非线性关系,这种关系表征了CIMS工程的投资特点。文章利用改进的Gompertz生长曲线建立了CIMS投资-收益关系的数学描述,并给出了模型参数估计的基本方法。在此基础上,文章提出了根据CIMS的投资-收益关系预测曲线进行投资策略选择的方法和步骤,并通过一个工程实例进行了说明和验证。     

简化的分类微粒群算法及其在风电场建模中的应用

提出一种简化的分类微粒群算法.首先将微粒按适应值的差异划分成较好、普通和较差3类;然后对这3类微粒分别采用3种对应的没有速度项的简化模型进行动态制整,有效地增加了种群的多样性.通过对4种典型测试函数的仿真实验,并与经典PSO和2个目前较为流行的改进PSO进行比较,实验结果表明了所提出的改进算法具有更好的优化性能.将改进算法用于风电场风速概率模型优化的实验结果表明,与传统最小二乘法相比,该方法拟合的Weibull参数精度更高,更具实际参考价值.     

神经模糊系统中模糊规则的优选

提出一种基于两级聚类算法的自组织神经模糊系统，该系统采用两级聚类算法（改进的最近邻域聚类算法和Gustafson-Kessel模糊聚类算法）对输入／输出数据进行模糊聚类，并由模糊聚类的划分熵确定最优划分，建立模糊模型，模型精度可由梯度下降法进一步提高。仿真结果表明，这种神经模糊系统具有结构简单、规则数少、学习速度快以及建模精度高等特点。