| 微粒群算法优化样本集在汽油调合设计中的应用 |
| |
| 引用本文： | 高世博,张运陶,刘金迪,白春艳,郑伟.微粒群算法优化样本集在汽油调合设计中的应用[J].计算机与应用化学,2007,24(10):1363-1366. |
| |
| 作者姓名： | 高世博 张运陶 刘金迪 白春艳 郑伟 |
| |
| 作者单位： | 西华师范大学应用化学研究所，西华师范大学应用化学研究所，南充炼油化工总厂，南充炼油化工总厂，南充炼油化工总厂 四川，南充，637002，四川，南充，637002，四川，南充，637000，四川，南充，637000，四川，南充，637000 |
| |
| 基金项目： | 四川省企业信息化项目计划 |
| |
| 摘 要： | 提出PSO-v-SVR方法建立计算机辅助调合汽油辛烷值预测模型的新思路,采用微粒群算法(PSO)对原始样本集随机抽样并加以优化获得优化的训练集,再以v-支持向量回归(v-SVR)对样本进行训练和预测。用PSO-v-SVR方法对某炼油厂的汽油调合生产数据进行研究,用选出的最佳训练集构成的模型对44组预测样进行预测,实测辛烷值与预测值误差绝对值AE≥0.3的样本数仅为16,平均绝对误差MAE=0.293;明显优于直接用全部原始样本作训练集建模AE≥0.3的样本数26个, MAE=0.366,以及按文献12]用前期80组样本作训练集建模AE≥0.3的样本数25个,MAE=0.350的预测结果。研究表明,本文的思路可以较大幅度提高模型预测准确性,在化工生产优化和软测量建模中具有推广应用价值。
|
| 关 键 词： | 微粒群算法 随机抽样 优化 训练样本集 汽油调合 |
| 文章编号： | 1001-4160（2007）10-1363-1366 |
| 修稿时间： | 2007-07-24 |
Optimization of training set based on particle swarm optimization in gasoline blending design |
| |
| Gao Shibo,Zhang Yuntao,Liu Jindi,Bai Chunyan,Zheng Wei.Optimization of training set based on particle swarm optimization in gasoline blending design[J].Computers and Applied Chemistry,2007,24(10):1363-1366. |
| |
| Authors: | Gao Shibo Zhang Yuntao Liu Jindi Bai Chunyan Zheng Wei |
| |
| Abstract: | |
| |
| Keywords: | particle swarm optimization random sampling optimization training set gasoline blending |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
