基于改进AdaBoost的LF炉成分软测量建模

针对现有软测量模型更新方法的不足,将增量学习思想与AdaBoost集成学习思想相结合,提出了一种具有增量学习性能的改进AdaBoost集成学习算法.并将该改进的AdaBoost与BP神经网络一起形成了集成BP神经网络,建立了基于改进AdaBoost集成BP网络的软测量模型.该软测量建模新方法可以提高单一BP网络的精度,同时还能保证建模具有增量学习的更新性能.使用该软测量建模新方法建立抚钢60t LF炉钢水成分软测量模型,取得了较好的预测效果,可以满足实际生产的需要.     

工业过程软测量研究

综述工业过程软测量研究现状.论述软测量过程中辅助变量的选择,过程数据的预处理,软测量模型的建立及软仪表校正方法,提出工业过程软测量的实现方案.评述基于回归分析、BP神经网络、RBF神经网络、支持向量机等当前主要软测量建模方法的特点及其在工业过程软测量中的应用.指出当前工业过程软测量实现过程中存在的诸如误差处理、软仪表校正等问题及今后软测量技术与优化控制相结合的研究与发展方向.     

ε不敏感支持向量回归在化工数据建模中的应用

针对化工领域数据建模小样本、不适定性等问题，提出了一种用ε不敏感支持向量回归(ε-SVR)方法进行实际过程建模的想法，以解决人工神经网络等方法在数据建模中的“过拟合”、泛化性差等问题．在分析ε-SVR特性的基础上，用一个非线性函数逼近例子验证了ε-SVR在小样本情况下比BP前馈神经网络具有更优良的建模能力．将ε-SVR应用到丙烯腈聚合反应过程质量指标软测量混合模型中，仿真和现场运行结果表明ε-SVR是一种非常有效的化工数据建模方法．     

基于ELM神经网络的采煤机截割载荷软测量建模方法

采煤机是煤矿综采工作面的关键设备,由于煤层结构复杂,导致截割载荷复杂多变,并且截割载荷难以直接测量。因此,针对采煤机截割载荷难以直接检测难题,研究了采煤机交流异步电机的机械特性,提出了基于软测量建模技术的截割载荷预测方法。首先,通过分析采煤机交流异步电机的机械特性,得出截割载荷与截割电机的转速、电流符合非线性关系,运用软测量建模方法可以预测截割载荷。然后,以截割电机的转速和电流作为输入变量,运用ELM神经网络的软测量建模方法建立采煤机截割载荷软测量模型。最后,运用ELM,BP,RBF3种神经网络软测量建模方法对采煤机电机载荷进行预测,以均方误差和相关系数作为预测评价指标,结果表明:ELM神经网络软测量建模方法在预测精度和预测速度方面都优于BP神经网络和RBF神经网络软测量建模方法。运用ELM神经网络软测量建模方法能够准确、快速预测采煤机截割载荷,为采煤机恒功率截割和牵引智能调速提供了理论基础。     

基于PSO-ANN逆的发酵过程软测量建模

针对发酵过程中一些关键生化参量难以通过常规仪表实时测量,而制约发酵生产过程优化控制的问题,提出一种基于粒子群神经网络逆(PSO-ANN逆)的发酵软测量建模方法.以青霉素发酵过程为背景,首先建立其虚拟子系统数学模型,并构建发酵过程逆模型;其次,提出PSO-ANN逆的软测量实现方法,以克服解析法逆运算的复杂性甚至难于实现的问题;最终构建PSO-ANN逆软测量模型,并进行试验及仿真.结果表明:该软测量建模方法能够将机理建模与数据驱动建模方法相结合,充分利用对象模型的先验知识和经验数据,有效解决了青霉素发酵过程中不可在线测量的关键参量实时测量难题,其训练和测试误差分别达到0.037 2和0.046 1,模型具有较高的预测精度和较强的预测能力.     

基于支持向量机的软测量建模方法的应用

利用基于最小二乘支持向量机(LS-SVM)的软测量建模方法,通过工业现场数据来对丁二烯精馏装置建立软测量模型.对于该软测量模型,支持向量机方法比BP神经网络方法具有更好的泛化能力.研究结果表明,基于最小二乘的支持向量机建模方法是一种有效的软测量建模方法.     

ε不敏感支持向量回归在化工数据建模中的应用

针对化工领域数据建模小样本、不适定性等问题 ,提出了一种用ε不敏感支持向量回归 (ε SVR)方法进行实际过程建模的想法 ,以解决人工神经网络等方法在数据建模中的“过拟合”、泛化性差等问题 .在分析ε SVR特性的基础上 ,用一个非线性函数逼近例子验证了ε SVR在小样本情况下比BP前馈神经网络具有更优良的建模能力 .将ε SVR应用到丙烯腈聚合反应过程质量指标软测量混合模型中 ,仿真和现场运行结果表明ε SVR是一种非常有效的化工数据建模方法 .     

重整产品液收率软测量

针对连续重整反应器 ,分别采用改进算法的 BP神经网络、PLS- BP神经网络和小波神经网络建立重整产品液收率软测量模型。经比较后发现小波神经网络所建模型拟合及预测效果最好 ,因此将其用于实际生产装置。使用结果表明该模型可以实时准确预测重整产品液收率。     

基于神经网络的超声波乳化液质量分数测量

通过反向传播（BP）神经网络及径向基函数（RBF）神经网络，构建了一个实时的超声波乳化液质量分数测量模型，对结果进行了处理和分析，并对比了两者的优缺点．在此基础上，实现了对某些生产过程中乳化液质量分数的检测和控制．     

基于核主元分析和动态递归模糊神经网络的软测量建模

针对软测量建模过程中的误差数据剔除、特征提取,及模型的动态辨识问题,提出基于核主元分析和动态递归模糊神经网络软测量建模方法.首先,利用样本间马氏距离进行样本相似程度分析,去除样本中错误数据以确保数据质量;然后利用核主元分析提取系统的非线性主元,作为动态递归模糊神经网络的输入;最后利用新样本数据训练动态递归模糊神经网络.将该方法应用于赖氨酸发酵过程的产物浓度预测,仿真结果表明该方法具有较高的预测精度,满足现场测量要求.     

炼油企业可持续发展评价模型

从经济、社会、科技、环境、资源 5个方面对炼油企业可持续发展水平进行了综合评价 ,建立了评价指标体系。针对指标体系中各种指标由于度量单位不同而无法进行直接比较的问题 ,采用效用函数法对各项指标进行了无量纲处理。用层次分析法确定了指标的权重 ,通过求解最大特征根及其对应的特征向量 ,确定了表达每一层次元素相对重要性的权值 ,进而导出对整个问题的分析。利用B P神经网络分析法建立了网络评价模型 ,并采用实际数据样本对网络进行了训练和检验 ,得到了与实际评价值基本吻合的结果     

城市道路交通拥堵的模糊神经网络评析

以城市道路网络的拥堵状况为研究对象,运用模糊层次分析以及神经网络理论构建城市道路交通拥堵的模糊神经网络评价模型.以层次分析为准则,从微观层、中观层、宏观层等方面建立道路交通拥堵三层评价指标体系;利用模糊一致性判别矩阵界定道路交通拥堵评价因子综合权重,基于BP神经网络构建了道路交通拥堵的模糊神经网络评价模型,并对道路交通拥堵评价区间进行阈值确定,将道路交通拥堵评价集界定为严重拥堵、中度拥堵、轻度拥堵、较为畅通、畅通等5个等级.以2016年上海市20个交通小区的道路交通拥堵数据为样本进行实例分析,结果表明该方法的可行性以及有效性.      

基于层次分析的长短记忆网络(AHP-LSTM)的食品安全网络舆情预警模型

随着互联网技术的迅猛发展,网络已成为社会舆情的重要阵地,而网络舆情是食品风险预警的一个方向。传统舆情预警模型在指标体系的基础上结合反向传播神经网络（back propagation neural network,BP）等神经网络模型进行分析,存在运行不稳定、预测精度不高等问题。为了解决这些问题,采用具有较高预测精度的长短记忆（long short-term memory,LSTM）网络算法,在网络事件指标体系的基础上引入层次分析法（analytic hierarchy process,AHP）并融合食品安全事件指标数据,将融合结果作为LSTM的期望输出,以建立更为稳定、精度更高的风险预警模型AHP-LSTM。实验结果表明,与传统模型相比,AHP-LSTM对于事件指标数据具有较强的处理能力和较高的预警精度。因此构建基于AHP-LSTM的食品安全事件预警方法,可为相关部门有效防范和管理食品安全网络事件提供一定的理论依据和数据支撑。     

基于注意力机制和CNN-GRU组合网络的海底电缆运行状态预测方法

海底电缆作为各类海上平台能源供给的生命线,一旦发生故障将产生巨大的经济及战略影响,准确预测海底电缆运行状态有助于提前把握其运行风险,从而实现预防性维护。本文在充分挖掘海底电缆运维数据中的动、静态特征的基础上,提出一种基于注意力机制和卷积神经网络-门控循环神经网络（CNN-GRU）海底电缆运行状态预测方法。首先,考虑在线监测、巡检指标、静态试验三类关键影响因素,建立海底电缆运行状态评估指标体系;然后,基于改进层次分析法及多层次变权评估思想构建海底电缆运行状态评估模型;最后,建立基于注意力机制和CNN-GRU组合神经网络模型,将历史运行参数及状态量化结果作为输入特征参量,实现海底电缆运行状态的演化趋势预测。算例分析表明,所提方法可有效预测海底电缆的运行状态,平均百分数误差低至1.04%,与全连接神经网络、CNN、CNN-长短期记忆神经网络(LSTM)等算法相比均具备更优的预测精度。     

基于AHP-BP算法的供应链合作伙伴选择建模及其应用

将AHP法与改进的BP神经网络相结合建立了供应链合作伙伴选择模型,并使用L-M算法对神经网络权值进行训练,实现了对供应商的多标准评价;所用的评价指标体系选取全面,适用于多种类型的供应链合作伙伴选择。用实例对模型进行了验证,并取得了较好的评价效果。该模型应用简单,且减少了供应链合作伙伴选择过程中人为因素的影响,具有一定的实用价值。     

一种递阶层次模型与评价方法

目的将一种递阶层次模型用于大学教师综合业绩评价。方法层次分析法(Analytical hi-erarchy process,简称AHP)。结果从教学、科研、校内服务三方面提出和建立了一种递阶层次模型和指标体系,采用Saaty的1-9比率标度法建立了各个指标间的相对重要性,建立了相应的判断矩阵,对各判断矩阵进行了一致性检验。在一致性检验的基础上,得到了各指标的权重值,可用于定量化评价大学教师的综合工作业绩。结论递阶层次模型和评价方法可行,优于传统的评价方法。     

基于BP神经网络模型的临汾市县域经济发展水平差异的测定与分析

根据区域经济学的相关理论,选取了8个与临汾市县域经济发展水平关系密切的指标,在BP神经网络工具箱的支撑下,构建临汾市县域经济发展水平的BP神经网络评价模型,并通过对频数分布特征及反映区域差异的总体指标的分析,表明临汾市县域经济发展水平空间分异显著.     

工程装备管理效率评判指标体系与模型

工程装备管理效率的评判过程是一个涉及多因素和多目标的决策过程。基于层次分析的理论与方法，在构建工程装备管理效率评价指标体系基础上，建立了合理的综合评价模型，全面考虑了评判过程中的定性指标及定量指标，为正确评价与决策提供了科学的方法及手段。     

西北城市居民生活质量分级评价的BP神经网络模型研究

从自然环境和社会环境两个子系统,涵盖8个评价因子共36个指标,建立了西北城市居民生活质量指标体系,并确定了分级标准,通过构建BP神经网络模型进行级别辨识.网络模型经过训练仿真后,利用训练好的模型对西北5个省会城市生活质量进行了分级,通过与模糊识别方法所测结果相比较,验证了本文模型在实际应用中是可行的;文中所建指标体系和分级标准,除适合西北地区外,对全国其他地区城市进行科学客观的居民生活质量分级评价也具有一定参考指导意义.引入BP神经网络方法,为生活质量量化和进一步深入研究提供了新的研究方法和思路.     

BP神经网络优化网络科技文献共享评价体系

以网络科技文献共享的评价为对象,构建初选指标结构,对指标体系优化的主流评价方法进行研究及综述,在分析了各个评价方法的优劣的基础上确定运用BP神经网络的方法对初选的指标体系进行优化。然后基于BP神经网络对指标体系进行优化的方法及过程进行了论述。最后利用BP神经网络方法求取各项指标的权重,分析各个指标在整个指标体系中的重要程度,修改初选指标体系,进而达到优化的目的。