共查询到11条相似文献,搜索用时 73 毫秒
1.
基于改进神经网络集成算法的软测量建模 总被引:3,自引:1,他引:3
为提高神经网络集成中成员网络的精度、增加成员网络间的差异度,提出一种改进的Bagging神经网络集成算法.通过分析初始样本集中样本间的欧式距离提取各子训练集,子训练集的元素在样本空间具有良好的遍历性和代表性;集成策略采用加权平均法,用粒子群优化算法求解成员网络的集成权重.几个典型回归分析型数据集的测试表明,本算法有效提高了训练样本质量,增强了集成泛化能力.最后将改进算法用于工业乙烯收率神经网络软测量建模,应用结果表明该软测量模型泛化性能好,测量精度高. 相似文献
2.
3.
唐德翠 《工业仪表与自动化装置》2009,(3):54-56
针对漂白过程中纸浆白度、残氯在线测量的不足,提出基于BP改进算法的神经网络软测量模型。文章介绍了基于神经网络的软测量技术原理以及漂白软测量模型建立的步骤与方法,给出了该模型的仿真结果。仿真结果表明,该模型具有较高精度和准确性,为纸浆质量的评判和优化控制提供了指导作用。 相似文献
4.
针对强非线性复杂化工过程的软测量建模问题,提出了一种基于核隐变量正交投影(K-OPLS)的建模方法。隐变量正交投影(O-PLS)是一种通用的线性多变量数据建模方法,它可以消除与响应变量(输出)正交的描述变量(输入)的总体变化。在O-PLS模型框架下, K-OPLS方法利用"核技巧"将描述变量映射到高维特征空间,计算模型中的预测成分和响应-正交成分。因此, K-OPLS方法通过给出描述与响应变量之间的非线性关系,在一定程度上提高了模型的性能,增强了模型的可解释性。为了验证K-OPLS方法的有效性,将其分别应用于脱丁烷塔基丁烷(C4)组分含量估计、工业流化催化裂化装置(FCCU)关键产品产量预测、硫回收装置(SRU)中H_2S和SO_2浓度预测的软测量建模实例中。实验结果表明,在相同条件下,与支持向量机(SVM)、最小二乘支持向量机(LSSVM)、主元分析-支持向量机(PCA-SVM)、极限学习机(ELM)、核极限学习机(KELM)和PCA-KELM方法相比较, K-OPLS方法具有更好的建模精度和模型泛化能力。 相似文献
5.
准确的实时冷负荷是空调运行过程节能的基础,传统的冷负荷计算方法复杂费时,无法满足实时调控的要求。软测量是一种先进的方法,但由于房间冷负荷无法直接测量,因此基于样本数据无法实现软测量模型的参数辨识。针对冷负荷软测量技术的这一瓶颈问题,通过冷负荷的机理分析与建筑能耗仿真软件模拟数据的分析,发现冷负荷在频域中集中分布在以一天为周期的频率点及其二次三次谐波上,利用冷负荷这一频域特性本文提出了一种基于房间温度响应的冷负荷实时软测量技术。该方法通过频域分解,选择不含冷负荷的频域段进行蓄热过程的参数辨识,从而避开了辨识过程对无法实测的实时冷负荷真实值的依赖。基于可测的空调供冷量、房间温度和辨识得到的蓄热系数,就可以利用房间热平衡方程进行冷负荷建模并实现其软测量。通过在建筑能耗仿真平台上的仿真及实际房间的实测实验表明,该方法可以快速有效地实现房间实时冷负荷的软测量,相对于基于机理分析或软件计算的方法更具实用性,同时本方法也为其他难测变量的软测量技术提供了借鉴思路。 相似文献
6.
发酵过程中菌体浓度难以在线实时测量,给控制与优化带来困难.针对这一问题,本文利用软测量技术来实现菌体浓度的在线估计,并提出了一种改进的串联混合建模方法用以建立菌体浓度软测量模型.改进的串联混合建模方法,克服了现有方法需要利用插值所得的数据进行软测量模型构建的不足,从而保证了建模数据的可靠性.利用诺西肽发酵过程生产数据进行仿真研究,仿真结果表明,基于改进串联混合建模方法的软测量模型是有效的,比基于现有方法的软测量模型具有更好的估计性能. 相似文献
7.
利用当前重金属的含量去预测未来有毒重金属的含量,就可以采取有效的措施预防,对人们的健康有着重大意义.该文主要应用粒子群和BP混合算法的神经网络对甘肃某地区的土壤进行了预测,得到的预测数据和实际的基本相符,因此,该预测算法应用到土壤的预测中具有良好的效果,有良好的应用和推广前景. 相似文献
8.
9.
为实现钢铁企业煤气能量网络的高效运行,给出一种综合建模、分析和优化方法。概括了煤气能量流网络的特性,并用混杂Petri网建立其描述模型;借助其混杂Petri网模型的S-不变量,给出一种快速能值计算方法;提出能量密度指标,给出放散煤气能量密度的线性规划优化模型。通过某钢铁企业煤气能量流网络对该方法进行了验证,结果表明该方法可以为煤气能量流网络的分析和优化提供方法支持。 相似文献
10.
11.
针对彩色平板玻璃生产工艺的需要,研制开发了一种能18路精确控温的玻璃烧结炉温控系统.该温控系统由PLC、上位机、触摸屏、固态继电器、风机等部分组成.在该系统中设计实现了基于BP神经网络的自适应神经形态自校正PID控制器,利用输出误差,即当前时刻参考值和对象输出的差值,作为学习信号,供BPNN去调节PID控制器的参数.在运行过程中,系统能精确控制窑炉18路温度按照升降温曲线进行变化,从而实现生产工艺的要求. 相似文献