中国学术期刊网络出版总库
  关闭
动态选择性集成神经网络软测量建模  
   推荐 CAJ下载 PDF下载
【英文篇名】 Soft sensor modeling method based on dynamic selective ensemble neural networks
【下载频次】 ★★★★
【作者】 夏陆岳; 朱群娣; 王海宁; 潘海天;
【英文作者】 Xia Luyue; Zhu Qundi; Wang Haining; Pan Haitian; College of Chemical Engineering; Zhejiang University of Technology;
【作者单位】 浙江工业大学化学工程学院;
【文献出处】 计算机与应用化学 , Computers and Applied Chemistry, 编辑部邮箱 2016年 02期  
期刊荣誉:ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 动态; 选择性集成; 神经网络; 软测量; 熔融指数;
【英文关键词】 dynamic; selective ensemble; neural network; soft sensor; melt index;
【摘要】 集成建模方法能显著提高软测量模型的预测性能,其中选择性集成通过剔除一些性能不佳的子模型,能进一步提高整体软测量模型预测性能。针对目前选择性集成研究中因忽略了数据间的差异性而导致模型预测性能不佳的问题,提出了一种动态选择性集成神经网络软测量建模方法。首先将原始数据集分为训练集和验证集,采用bootstrap算法对训练集进行差异性扰动,建立了多个神经网络子模型;然后对每个待测样本,采用K-最近邻搜索算法从验证集中找到一个最近邻子集,用该子集评估各神经网络子模型的预测性能,为待预测样本筛选合适的神经网络子模型;最后根据各子模型的预测性能合理分配组合权重,从而建立集成模型,并实现待预测样本的预测。将该建模方法应用于聚丙烯熔融指数软测量研究中,研究结果表明:与单一神经网络、常规全集成和静态选择性集成神经网络模型相比,基于动态选择性集成神经网络的熔融指数软测量模型具有更佳的预测精度。
【英文摘要】 Ensemble modeling method can significantly improve the prediction performance of the soft sensor model. Selective ensemble makes further improvement on the prediction performance of the whole model by rejecting some badly-behaved sub-models. Aiming at the problem existing in present selective ensemble research that ignoring the difference between data leads to a poor performance of the model, a modeling method based on dynamic selective ensemble neural networks was proposed. Firstly, the original sample dat...
【基金】 浙江省自然科学基金资助项目(Z4100743); 浙江工业大学化学工程与技术重中之重(1)开放基金,浙江工业大学研究生教学改革立项项目(2014210)
【更新日期】 2016-03-31
【分类号】 TP183
【正文快照】 浙江工业大学研究生教学改革立项项目(2014210)1引言化工过程中存在着一些需要严格控制且与产品质量密切相关,但无法通过传感器在线测量得到的关键变量,如化学反应器中的反应物浓度和产品分布、石油产品中的组分和聚合反应中的熔融指数等,影响了后续的过程监测、质量控制和系统

xxx
【读者推荐文章】中国期刊全文数据库 中国博士学位论文全文数据库 中国优秀硕士学位论文全文数据库 中国重要会议论文全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   自动化基础理论
    人工智能理论
     人工神经网络与计算
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号