2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩85頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、軟測(cè)量技術(shù)作為一種在線檢測(cè)技術(shù),被廣泛應(yīng)用于化工過程重要質(zhì)量指標(biāo)在線估計(jì)研究中,其核心內(nèi)容是建模方法的研究。人工智能技術(shù)被廣泛應(yīng)用于軟測(cè)量建模方法研究,常用的主要有人工神經(jīng)網(wǎng)絡(luò)(ANN)、支持向量機(jī)(SVM)和關(guān)聯(lián)向量機(jī)(RVM)等。雖然與ANN、SVM相比,RVM具有核函數(shù)選擇方便、計(jì)算量小、模型稀疏程度高等優(yōu)點(diǎn),但存在著預(yù)測(cè)精度有待提高、僅適用于單輸出對(duì)象等局限。本文對(duì)常規(guī)關(guān)聯(lián)向量機(jī)進(jìn)行了改進(jìn),提出了兩種改進(jìn)的關(guān)聯(lián)向量機(jī)建模方法,并

2、將其應(yīng)用于甲醇制烯烴(MTO)生產(chǎn)過程烯烴收率軟測(cè)量研究中。主要工作如下:
  (1)在詳細(xì)敘述軟測(cè)量技術(shù)實(shí)施步驟的基礎(chǔ)上,首先比較了各種基于人工智能技術(shù)的軟測(cè)量建模方法研究發(fā)展現(xiàn)狀,然后著重對(duì)RVM的改進(jìn)策略及其軟測(cè)量應(yīng)用現(xiàn)狀進(jìn)行了總結(jié)分析;
  (2)為了提高RVM模型的預(yù)測(cè)精度,適應(yīng)強(qiáng)非線性、多工況特性的實(shí)際工況需求,提出了一種基于魚群算法(AFSA)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)(BPNN)的改進(jìn)關(guān)聯(lián)向量機(jī)建模方法,采用AFSA對(duì)

3、BPNN初始參數(shù)進(jìn)行優(yōu)化選擇,加快BP網(wǎng)絡(luò)的收斂速度從而達(dá)到全局最優(yōu);然后采用優(yōu)化后的BPNN來構(gòu)建多個(gè)關(guān)聯(lián)向量機(jī)子模型,進(jìn)行非線性融合,以提高模型的非線性預(yù)測(cè)能力。并用一個(gè)非線性函數(shù)作為測(cè)試對(duì)象,對(duì)所提出建模方法進(jìn)行了性能測(cè)試,測(cè)試結(jié)果驗(yàn)證了該建模方法的有效性;
  (3)為解決RVM在多輸入-多輸出過程對(duì)象中的應(yīng)用問題,提出了一種基于混合核函數(shù)的改進(jìn)關(guān)聯(lián)向量機(jī)建模方法,將多輸出關(guān)聯(lián)向量機(jī)(MVRVM)替代傳統(tǒng)的RVM,并采用A

4、FSA對(duì)組合核相關(guān)參數(shù)進(jìn)行自優(yōu)化選取,有效避免人為直接設(shè)置的主觀性,最后采用一公開數(shù)據(jù)集對(duì)模型進(jìn)行了性能測(cè)試;
  (4)以DMTO工藝反應(yīng)再生階段為應(yīng)用研究對(duì)象,將提出的所改進(jìn)關(guān)聯(lián)向量機(jī)建模方法應(yīng)用于烯烴收率軟測(cè)量研究中,仿真結(jié)果表明:采用基于AFSA-BPNN的MRVM模型非線性融合軟測(cè)量建模,具有良好的非線性預(yù)測(cè)能力,較單一模型具有更高的預(yù)測(cè)精度;基于魚群算法優(yōu)化組合核參數(shù)的MVRVM軟測(cè)量模型,則能成功實(shí)現(xiàn)乙烯和丙烯雙烯烴

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論