基于反射光谱的PCA及BP神经网络法预测甘蔗叶片叶绿素含量

叶绿素是植物进行光合作用的重要色素,叶绿素含量可以作为评价植物生长状况的重要参数。本研究基于甘蔗叶片的反射光谱,利用PCA及BP神经网络算法,建立了甘蔗叶片的叶绿素含量预测模型。PCA算法可以在尽可能少地丢失有用光谱信息的前提下,降低输入光谱矩阵的维数,最大限度地减少冗余信息。BP神经网络算法因其良好的非线性逼近能力可大大提高该模型的预测精度。研究发现：基于PCA和BP算法建立的叶绿素含量预测模型,其预测值与实测值之间的R2达0.8929,表明该模型具有较高的预测能力。     

基于粗糙-模糊推理系统的化工过程建模研究

根据粗糙集方法所导出的规则构造模糊—神经网络,由规则的参数和离散化结果估计网络参数的初始值,使网络经训练能较快收敛并达到最优值。将其应用于PTA装置溶剂脱水塔精馏过程建模,所建模型的性能优于普通前馈神经网络,粗糙—模糊神经网络可以消除决策系统的冗余信息,降低模型复杂度。     

PTA生产溶剂智能优化控制软件的开发与应用

在.Net开发环境下,利用C++语言开发PTA生产溶剂智能优化控制软件,并介绍了软件包的设计原理和基本框架.利用广义回归神经网络建立PTA过程模型,再采用粒子群智能优化法优化过程操作参数,软件系统操作简单、用户界面友好.该软件在精对苯二甲酸(PTA)生产装置的实用效果良好,降低了醋酸和蒸汽的消耗,并为优化各工艺操作条件提供了指导,产生了一定的经济效益,具有较好的推广价值.     

基于PCA和IFOA-BP神经网络的股价预测模型

针对基于BP神经网络的股票价格预测模型在价格预测时存在较大误差的问题,在BP神经网络方法的基础上引入了主成分分析方法(PCA)和改进的果蝇算法(IFOA),提出一种基于PCA-IFOA-BP神经网络的股票价格预测模型。通过PCA对股票历史数据进行降维,减少冗余信息;采用改进的果蝇算法优化BP神经网络的初始权值和阈值;建立基于PCA和IFOA-BP神经网络的股票价格预测模型。对上证指数股票价格数据进行仿真验证,仿真结果表明:在股票价格预测中,该模型比BP神经网络、PCA-BP和PCA-FOA-BP的预测精度更高,是一种有效可行的预测方法。     

基于模糊免疫算法的溶剂脱水塔软测量

在实数编码免疫算法的基础上引进了模糊控制技术,对免疫算法中的两个关键参数实现了模糊自适应调整,很好地解决了基本免疫算法中收敛精度低和寻优速度慢的缺点。模糊免疫算法被用于优化BP神经网络的结构和参数。结果表明,不但网络的结构得到控制,而且泛化性能有了较大的提高;同时,算法在优化神经网络上的有效性也在溶剂脱水塔醋酸浓度软测量建模中得到很好地证实。     

精对苯二甲酸装置溶剂脱水塔水相回流对分离效果影响的研究

在醋酸脱水共沸精馏系统中,水相回流不仅能调节物料平衡,而且能控制塔顶出料中的醋酸浓度.在醋酸脱水系统设计和控制的研究中,水相回流往往给定一个固定的流量,很少被用作控制变量,水相回流与精馏塔的进料变化及出料组成的关系未见报道.本文利用Aspen Plus流程模拟软件模拟计算精对苯二甲酸(PTA)装置溶剂脱水共沸精馏系统.利用三元相图分析醋酸-水-醋酸正丁酯(HAC-H2O-NBA)体系中,进料组成变化与水相同流和酯相回流之间的关系.在稳态模型的基础上模拟分析进料中水含量和杂质对二甲苯(Px)对水相回流的影响,结果与相图分析一致.研究结果表明:对于某一特定的出料要求,当进料水含量高于69%时,水相回流可以降低为零,如果此时进料组成发生变化,只要调节酯相回流即可保证精馏塔的分离要求,而当进料水含量低于69%时,水相回流需要进行调节以保证塔顶采出水中醋酸含量合格:不能让杂质PX在塔内累积过多,以免因水相回流大量增加而使塔的能耗增加.本文的研究很容易扩展到其它具有特定出料要求的醋酸脱水共沸精馏系统中,研究结果将为实际生产过程中精馏塔出料组成和能耗的控制提供参考.     

神经网络在电力负荷预测中的应用研究

研究电力负荷预测问题,针对精确测量电力负荷,由于影响电力负荷因素之间存在着菲线性,因素之间存在冗余信息,传统的数学模型在电力负荷预测中精度较低,为了有效提高电力负荷的预测精度,提出了一种主成分分析(PCA)和BP神经网络相结合的电力负荷预测方法.利用PCA对电力负荷的影响因素进行特征提取,以BP神经网络对经过PCA处理得到的新的变量进行训练建模,采用PCA - BP神经网络模型对河南某地区的电力负荷进行了仿真.结果表明,相对于参比模型,可有效地消除因素间的冗余信息,降低了BP神经网络的输入维数,简化了网络的结构,加快了学习速度,显著提高了电力负荷预测精度,证明提出的预测模型在电力负荷预测中是有效.     

基于主成分分析--改进的极限学习机方法的精对苯二甲酸醋酸含量软测量

目前,化工生产过程日益复杂,生产操作变量越来越多,由于客观条件的限制,有些重要的过程参数无法通过直接测量的手段精确测得.通过软测量可实现复杂化工生产过程重要参数的精确测量,进而指导化工企业的生产,提高化工生产的产出效率,是解决问题的一个有效的方法.针对复杂化工过程软测量建模中存在的问题,本文提出了一种改进的极限学习机模型(improved extreme learning machine,IELM).一方面将主成分分析(principal component analysis,PCA)方法应用到极限学习机(ELM)里,通过PCA对模型输入变量进行主成分分析,不仅去除了变量间的线性相关关系,而且对高数据进行降维处理,最终降低了极限学习机的输入复杂性;另一方面利用相关系数判断输入主元数据与输出数据间的相关关系,从而得到正相关输入和负相关输入,依据这两类数据构造ELM模型,使得每类输入数据对网络的输出有同样的作用,进一步提高极限学习机的泛化能力.最后建立了PCA-IELM模型,首先用标准数据库的Triazines数据集验证该模型有效性,随后得出了基于PCA-IELM方法的精对苯二甲酸(purified terephthalic acid,PTA)溶剂脱水塔塔顶醋酸含量软测量模型,仿真结果表明PCA-IELM模型处理高维数据时较传统的ELM算法具有稳定性好,建模精度高等特点,为神经网络在复杂化工应用领域提供新思路.     

可拓理论在流程工业中的应用

通过分析精对苯二甲酸(PTA)装置中溶剂脱水塔故障的形成原因及表现形式,将其与可拓理论相结合,建立了溶剂脱水塔报警系统信息的物元模型。通过可拓模型及关联函数的建立,从定性和定量两个方面考虑报警系统并判断其报警级别,并分析了该方法判断报警级别的原理、方法和步骤。大量的现场数据测试结果表明了此方法的可行性,从而为溶剂脱水塔故障报警系统监测及跟踪提供了一种有效的方法。     

基于PCA和神经网络的农残含量预测模型研究

为提高快速检测农残含量的精度,针对建模数据特征发生明显变化的实际情况,提出了一种结合主成分分析（PCA）和神经网络的分段多模型方法。提取建模数据的前2个主成分作为模型的输入,分别使用主成分回归（PCR）和BP/RBF神经网络建立单一及分段多模型。通过计算模型验证集的输出总误差和误差百分比,对比模型检测精度。试验表明：与单一模型相比,利用神经网络建立的分段多模型可以显著降低农药含量的预测误差,使用BP和RBF网络建立的低浓度段模型的输出误差百分比分别为0.8%和0.4%,RBF网络效果更好。该方法可以在待测农药的较大浓度范围内实现定量检测,具有较强的实用性。     

基于子空间信息量准则的软测量模型选择研究

提出了子空间信息量概念及其准则,并引出了函数集信息量的概念;在此基础上,阐述了基于上述概念和准则的软测量模型选择理论,指出并解决了软测量模型选择欠学习与过学习问题;给出了一种次优软测量模型选择算法。最后,通过具体实例验证了上述方法的可行性和优越性。     

高斯过程集成算法的发酵过程软测量建模

针对谷氨酸发酵过程一些关键参数不能在线测量而导致的建模精度不高的问题,Bagging和高斯过程回归算法相结合,提出一种基于Bagging算法集成高斯过程的软测量建模方法。该算法使用Bagging技术从训练样本集中选取若干子训练样本集,利用该若干子集形成许多高斯过程模型,并通过平均组合方式进行集成,得到最终的模型输出。将该集成算法应用到谷氨酸发酵过程的软测量建模中,实现了对谷氨酸浓度的准确预测,相对于单一高斯过程模型,具有更高的预测精度和鲁棒性。     

稀土萃取过程组分含量的神经网络软测量方法

Throught fusion of the mechanism modeling and the neural networks modeling, a component content soft-sensor, which is composed of the equilibrium calculation model for multi-component rare earth extraction and the error compensation model of fuzzy system, is proposed to solve the problem that the component content in countercurrent rare-earth extraction process is hardly measured on-line. An industry experiment in the extraction Y process by HAB using this hybrid soft-sensor proves its effectiveness.     

基于混沌混合优化的回转干燥窑出料含水量软测量

回转干燥窑由于出料含水量难以在线测量,其过程控制一直是一大难题.本文在分析回转干燥窑干燥过程的基础上,提出了基于分布式RBF网络的出料含水量软测量模型及其优化学习算法,首先根据先验知识和聚类将输入空间划分成多个子空间,对于每个子空间的RBF网络,由FCM算法和分区校验熵确定隐含节点数,中心向量的学习采用混沌优化与FCM相结合的混合算法.设计了获取样本数据的实验,得到了出料含水量软测量模型,此模型已成功应用于干燥窑的推断控制中.     

基于LS-SVM的水泥熟料煅烧过程f-CaO软测量研究

针对水泥厂熟料质量指标f-CaO含量难以在线测量的问题,提出一种基于最小二乘支持向量机(LS-SVM)的软测量建模方法。仿真实验研究表明,最小二乘支持向量机建模具有良好的学习能力和泛化性能,且对数据样本的依赖程度低,是一种有效的软测量建模方法。给出的以DCS系统和SQL数据库为基础,通过Visual C 6.0编程的软测量实现方案,符合国内水泥厂实际情况,易于实现。建立的软测量模型和给出的软仪表实现方案对于保证水泥熟料质量和实现回转窑烧成系统的优化控制具有重要意义。     

两群微粒群优化算法及其应用

针对微粒群优化算法容易陷入局部极值的缺陷,提出两群微粒群优化算法．通过对5种常用测试函数进行测试和比较,结果表明两群微粒群优化算法比基本微粒群优化算法更容易找到全局最优解,优化效率明显提高．然后将两群微粒群优化算法用于催化裂化装置主分馏塔轻柴油95%点软测量建模,通过与实际工业数据对比,表明该软测量模型具有高的精度、好的性能和广阔的应用前景．     

基于仿射传播聚类和高斯过程的多模型建模方法

针对单模型建模存在泛化能力差的问题,提出一种基于仿射传播聚类和高斯过程的多模型建模方法。该方法定义了一种新的相似度使仿射传播聚类算法把样本数据按照不同的工作点进行聚类,获得的子聚类样本数据再分别使用高斯过程建立相应的子模型,用"切换开关"方式组合作为最终模型的输出。将该建模方法应用到某双酚A反应釜出口丙酮含量的软测量建模中,仿真结果表明该方法具有较高的估计精度和一定的实用价值。     

稀土串级萃取分离过程元素组分含量的多模型软测量

针对稀土串级萃取分离过程中元素组分含量在线测量难的问题,提出了一种多模型软测量方法,用于在线预测元素的组分含量.首先,以物料平衡方程为基础,在多个工作点附近建立了描述萃取过程的局部线性模型.引入减法聚类算法对样本数据进行分类,用得到的分类数据对局部模型参数进行离线辨识.每一时刻根据积分性能指标选择最优模型,同时在线修正局部模型参数.利用某La,Ce,Pr,Nd 4组分串级萃取分离Ce/Pr生产线的实测数据进行了仿真研究,结果表明所提出的多模型方法有效、预测精度较高.     

增强型微粒群优化算法及其在软测量中的应用

对微粒群优化算法(PSO)进行分析,提出一种增强型微粒群优化算法(EPSO),用EPSO和PSO对几种常用函数的优化问题进行测试比较,结果表明EPSO比PSO更容易找到全局最优解,优化效率和优化性能明显提高,将EPSO用于催化裂化装置主分馏塔粗汽油干点软测量,建立了基于EPSO算法的粗汽油干点神经网络软测量模型,研究结果表明,基于EPSONN的软测量模型比基于BPNN的软测量模型具有更高的精度和更好的性能。     

D-FNN based soft-sensor modeling and migration reconfiguration of polymerizing process

A soft-sensor modeling method based on dynamic fuzzy neural network (D-FNN) is proposed for forecasting the key technology indicator convention velocity of vinyl chloride monomer (VCM) in the polyvinylchloride (PVC) polymerizing process. Based on the problem complexity and precision demand, D-FNN model can be constructed combining the system prior knowledge. Firstly, kernel principal component analysis (KPCA) method is adopted to select the auxiliary variables of soft-sensing model in order to reduce the model dimensionality. Then a hybrid structure and parameters learning algorithm of D-FNN is proposed to achieve the favorable approximation performance, which includes the rule extraction principles, the classification learning strategy, the precedent parameters arrangements, the rule trimming technology based on error descendent ratio and the consequent parameters decision based on extended Kalman filter (EKF). The proposed soft-sensor model can automatically determine if the fuzzy rules are generated/eliminated or not so as to realize the nonlinear mapping between input and output variables of the discussed soft-sensor model. Model migration method is adopted to realize the on-line adaptive revision and reconfiguration of soft-sensor model. In the end, simulation results show that the proposed model can significantly enhance the predictive accuracy and robustness of the technical-and-economic indexes and satisfy the real-time control requirements of PVC polymerizing production process.