| 基于多技术融合加权平滑的径向基函数神经网络熔融指数预报 |
| |
| 引用本文： | 陈红梅,刘兴高.基于多技术融合加权平滑的径向基函数神经网络熔融指数预报[J].计算机应用,2015(Z1). |
| |
| 作者姓名： | 陈红梅 刘兴高 |
| |
| 作者单位： | 1. 潍坊学院 机电与车辆工程学院,山东 潍坊,261061
2. 工业控制技术国家重点实验室 浙江大学,杭州,310027 |
| |
| 基金项目： | 国家自然科学基金资助项目，山东省高等学校青年骨干教师国内访问学者项目。 |
| |
| 摘 要： | 针对在对聚丙烯熔融指数进行预测时优势数据和优势变量不突出影响预测精度、数据平滑度不够影响泛化性能的问题，提出了基于多技术融合加权平滑的径向基函数神经网络预报模型。综合运用了在时间尺度基于空间欧氏距离加权、在变量维度上基于灰色关联和线性回归误差加权两种数据加权方案，基于过程变量差分序列欧氏距离的平滑和局部线性平滑两种数据平滑方案，解决了模型精度和泛化性低的问题。为进一步改进模型性能，采用带误差补偿的非线性自回归滑动平均模型框架和径向基函数神经网络，利用自校正预测控制算法和分段线性变学习率算法，对模型进行优化。结合某厂真实数据对模型进行验证，预报结果在泛化集上为：平均相对误差( MRE )1.32%、均方根误差(RMSE)0.0459。与其他方法进行了详细的比较分析，结果表明该模型具有良好的预报精度和泛化性能，在大时滞工业过程领域具有一定的应用价值。
|
| 关 键 词： | 多技术融合 加权 平滑 自校正预测控制 分段线性变学习率 径向基函数神经网络 |
Melt index prediction based on radial basis function neural network with multi-technology integrated weighting and smoothing |
| |
| CHEN Hongmei,LIU Xinggao.Melt index prediction based on radial basis function neural network with multi-technology integrated weighting and smoothing[J].journal of Computer Applications,2015(Z1). |
| |
| Authors: | CHEN Hongmei LIU Xinggao |
| |
| Abstract: | |
| |
| Keywords: | multi-technology integration weighting smoothing self-tuning predictive control piecewise-linear variable learning rate Radial Basis Function Neural Network(RBFNN) |
|
