逐级特征降维与智能寻优的辛烷值预测模型

<正>在催化裂化汽油精制过程中,降低硫含量保持辛烷值,对提高汽油的动力经济性有着重要意义。但这一过程中涉及的操作变量较多,难以调控。本文借助相关性分析,稀疏PCA和神经网络对操作变量进行逐级降维,建立辛烷值损失预测模型,并采用遗传算法进行决策寻优。训练数据集上调控与预测结果充分表明了所建模型的合理性。由汽油燃烧产生的汽车尾气严重污染了大气环境,这对汽油清洁化提出了越来越高的要求。汽油清洁化的重点是在尽最大可能保持汽油中辛烷值的基础上降低其硫、烯烃含量^[1]。由于含硫和高硫原油占绝大多数,为满足汽油质量标准必须对其催化裂化获得的汽油进行精制处理。辛烷值是表示汽车发动机燃料(汽油)的抗爆性能好坏的一项重要指标。     

基于BP神经网络对汽油辛烷值损失预测模型的构建

汽油燃烧尾气中含有的硫、烯烃等混合物对环境造成了极大的污染,但企业脱硫降烯的过程也会降低代表企业利润的辛烷值含量.通过数据关联或机理建模,可以刻画化工过程与辛烷值含量的关系,为解决传统的数据关联模型中变量相对较少、机理建模对原料的分析要求高、对过程优化的响应不及时等问题,本文利用Matlab软件,基于粒子群优化算法,通...     

基于随机森林的汽油精制过程中辛烷值损失模型

目前,随着汽车尾气排放污染日趋严重,汽油质量标准日益严格,中国大力发展以催化裂化为核心的重油轻质化工艺技术,对汽油进行精制处理,实现汽油清洁化.在实现汽油清洁化的过程中,会不可避免地降低辛烷值(RON),亦会同时出现较大损失值单位,无疑给企业增加了生产成本,减少了收益.为此,本文通过建立基于随机森林的汽油精制过程中RO...     

醇类汽油定性定量分析通用模型的研究

为了建立醇类汽油定性定量分析判别的通用模型，采用WQF-510A傅里叶变换红外光谱仪与OPUS光谱采集软件获得甲醇汽油、乙醇汽油的中红外光谱。利用主成分（PC）分析和偏最小二乘（PLS）判别法对醇类汽油样品进行定性判别；通过无信息变量消除进行波段筛选，并基于无信息变量消除-偏最小二乘（UVE-PLS）和无信息变量消除-最小二乘支持向量机（UVE-LSSVM）两种方法分别建立醇类汽油的通用模型后用数据进行评价检验。结果表明，利用PC和DPLS对醇类汽油样品定性判别准确率达到100%；基于UVE-LSSVM方法建立的通用模型效果最好，决定系数和预测集均方根误差分别为0.945和2.187。该研究表明醇类汽油定性定量分析判别通用模型是可行的，该模型可以作为醇类汽油醇含量检测的技术参考和理论依据。     

一种基于模糊推理的JPDAF新方法

多目标跟踪中的数据关联一直是信息融合领域的难点和热点问题,针对杂波环境下多目标跟踪中的数据关联问题,提出了一种基于模糊推理的JPDAF新方法。该方法中,首先详细分析了杂波环境多目标观测数据的特点,定义了多目标环境下的标准化新息变量及新息的一阶微分变量;然后将其作为模糊推理的两个输入变量,通过设计合适的模糊隶属度函数和模糊推理规则,自适应计算目标观测的关联概率来代替传统联合概率数据关联滤波器（JPDAF）中的关联概率,实现对多个目标的有效跟踪。实验结果表明,提出方法的目标跟踪性能要好于传统的JPDAF和Fitzgerald’s方法,在实时性方面,提出方法也要远好于传统的JPDAF方法,接近Fitzgerald’s方法,能够有效对多目标进行关联跟踪。      

基于模糊贝叶斯网络的空中目标多传感器融合识别研究

为了对充满不确定性与模糊性的空中目标识别数据进行处理,提高空中目标多传感器融合的准确性和可靠性,提出以模糊贝叶斯网络为基本结构的多传感器数据融合模型.该模型能够对清晰连续变量通过模糊化和去模糊化操作变换成离散变量,而且基于模糊贝叶斯网络的建模方法能够组合多种证据进行不确定性表达和推理.通过详细分析空中目标识别的推理规则,建立了空中目标识别的贝叶斯网络拓扑结构,提出了贝叶斯推理算法对多种证据进行融合计算的模型.识别实例表明该模型能够融合不同信息源的数据,有效地提高空中目标识别的效率.     

基于动力学模型约束的空间目标精确跟踪算法研究

空间目标监视必须要解决的关键核心问题之一是对目标运动轨迹进行快速、准确地预报,然而空间目标运动轨迹准确预报需要高精度的预报初值点作为前提,对空间目标数据进行滤波处理可以降低随机误差的影响提高数据精度,但还很难达到空间目标高精度轨迹预报的要求.为此,论文从空间目标运动特性出发,利用空间目标动力学方程对状态方程进行实时约束...     

基于免疫克隆高斯过程隐变量模型的SAR目标特征提取与识别

作为一种非线性维数约减算法,高斯过程隐变量模型(Gaussian process latent variable model,GPLVM)由于其适合处理小样本、高维数据,因而在模式识别、计算机视觉等领域得到了广泛应用.基于此,提出一种基于改进GPLVM的SAR图像目标特征提取及自动识别方法,其中利用改进的GPLVM进行特征提取,高斯过程分类进行目标识别.传统GPLVM使用共轭梯度法对似然函数进行优化,为避免梯度估值易受噪声干扰、步长对算法影响严重等缺点,提出基于免疫克隆选择算法的GPLVM,利用其具有快速收敛到全局最优的特性提高算法性能.实验结果表明,该算法不仅降低了特征维数,且提高了识别精度,从而验证了算法用于SAR图像目标识别的有效性.     

基于自适应遗传算法的椭圆聚类方法

提出一种利用自适应遗传算法对椭圆聚类进行检测和变量估计的新方法.该算法利用自适应遗传算法对目标函数进行优化,既提高了速度,又避免了陷入局部极小值.通过对几个同心和交叉椭圆的合成数据进行测试,验证了该方法的有效性.     

基于标签特定特征的多目标回归稀疏集成方法

多目标回归学习是指同时学习多个相关的回归任务,其主要挑战来自于对输入要素和输出目标变量之间的基础关系进行建模以及对目标间的相关性进行探索.针对这两个挑战,本文提出了一种基于标签特定特征的多目标回归稀疏集成方法,通过探索目标间的相关性,为每个目标构建其独特的标签特定特征,提高算法整体的预测精度;同时设计一种稀疏性聚合函数对不同的回归方法进行集成,从而处理输入与输出间的复杂关系.在18个数据集上与有代表性的多目标回归方法进行对比实验,充分证明了本文方法的有效性与竞争性.