| 改进差分进化法在裂解深度建模中的应用 |
| |
| 引用本文： | 徐丹,李绍军,钱锋.改进差分进化法在裂解深度建模中的应用[J].计算机与应用化学,2008,25(3). |
| |
| 作者姓名： | 徐丹 李绍军 钱锋 |
| |
| 作者单位： | 华东理工大学自动化所,上海,200237 |
| |
| 基金项目： | 国家自然科学基金，国家高技术研究发展计划(863计划)，上海市重点基础研究项目，上海市自然科学基金 |
| |
| 摘 要： | 针对基本差分进化法搜索精度不高,容易陷入局部最优的缺点,提出基于Alopex改进的差分进化法和自适应学习速率的BP神经网络相结合的学习法,首先运用改进的差分进化法来寻找满意的神经网络参数;然后调用自适应学习速率的LM法精调网络参数.某大型裂解炉裂解深度模型的仿真结果表明,所建模型的精度高,有实用价值.
|
| 关 键 词： | 差分进化 神经网络 数据建模 |
Modeling and application of depth of fragmentation based on improved differential evolution algorithm |
| |
| Xu Dan,Li Shaojun,Qian Feng.Modeling and application of depth of fragmentation based on improved differential evolution algorithm[J].Computers and Applied Chemistry,2008,25(3). |
| |
| Authors: | Xu Dan Li Shaojun Qian Feng |
| |
| Abstract: | Aimed at the disadvantages of basic differential evolution algorithm,presents an improved differential algorithm(IDE) based on Alopex(algorithms of pattern extraction)and BP algorithm with self-adapting learning-rate,first of all IDE would be used to optimize the weights of neural network and then in order to obtain better performance,the LM algorithm is applied to optimize the pa- rameters.The results of the modeling of depth of fragmentation for fragmental furnace verify the better performance of IDE algorithm. |
| |
| Keywords: | Alopex |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
