观测数据预处理及其在发酵动力学建模中的应用

针对观测数据中可能存在的异常数据，提出了一种异常数据检测和剔除的预处理方法，并将它成功地应用于发酵过程中菌体生长的观测数据预处理，建立了拟合精度较高的发酵动力学模型。     

基于主成分分析的主元回归建模

介绍了主成分分析,主元回归建模的基本方法,意义。利用主成分分析法对一个从CO2提纯工艺中获取的七个过程变量进行数据压缩,提取主成分,消除变量间的线性相关性,建立一个基于主元的反射回归模型。     

食品级二氧化碳提纯塔优化控制模型

利用相关系数阵的条件数研究 CO2 影响因素之间的复共线性 ,利用对数回归方法建立成品 CO2 浓度与影响因素之间的非线性回归模型。结果表明 CO2 影响因素之间的复共线性可以忽略。经检验 ,回归方程与回归系数均有较好的显著性。回归模型拟合程度较好 ,对实际生产具有指导意义。同时 ,利用改进单纯形法寻找 CO2 浓度达到 99.5%左右时的最佳控制点 ,得到了令人满意的结果     

对数回归模型在CO2提纯塔控制中的应用

利用对数回归方法建立了成品CO2浓度与提纯塔影响因素之间的非线性回归模型,经检验回归方程与回归系数均有较好的显著性。同时,利用改进单纯形法寻找CO3浓度达到99．5％左右时的最佳控制点,得到了令人满意的结果。     

改进单纯形法寻优的MATLAB实现

工业生产中常需要确定最佳工艺条件，用来降低成本，提高经济效益。单纯形法是解决高维寻优的最优化方法之一，在化学化工中应用较广。提纯塔是食品级液态CO2生产过程中的最后一个环节，也是保证产品质量的关键一环。本文阐述了改进单纯形法寻优的基本原理，并结合生产实际利用改进单纯形法寻找CO2浓度达到99．5％左右时的最佳控制点，运用MATLAB实现这一算法，并得到了令人满意的结果。     

食品级液体二氧化碳提纯工序人工神经网络建模

在食品级液体CO2生产提纯工序中,提纯塔出口处CO2质量经常出现不稳定的现象.现根据生产过程中检测到的一系列生产指标,运用广义回归神经网络建模的方法,建立了CO2提纯塔出口浓度的预测模型,并将所建的广义回归神经网络模型与主元回归模型的仿真结果进行比较.比较结果表明,广义回归神经网络能获得更加准确、可靠的模型,应用在食品级液体CO2生产状态监控中效果不错.     

遗传算法在煤炭产量预测建模中的应用

针对常规遗传算法（SGA）存在的早熟、寻优效率偏低等缺点，提出了一种改进的遗传算法。利用遗传算法的全局寻优特点，将它应用于模型参数估计，建立了精度更高的煤炭产量预测模型。