基于多元回归的对苯二甲酸加氢精制宏观动力学模型

针对在间歇反应釜钯/炭催化荆条件下对苯二甲酸(TA)加氢精制反应过程中,各反应因素对反应过程影响复杂、呈高度非线性的特征、且各种反应过程假设难免与真实机理存在出入,提出一种基于多元回归速率常数模型的加氢精制宏观动力学模型方法.该动力学模型,首先基于反应步骤确定动力学模型框架;然后,应用非线性偏最小二乘回归,基于实验数据,以预测性能为指标,挖掘各反应因素与反应速率常数之间的关联模型,进而建立加氢精制反应过程宏观动力学模型.实际应用表明,所建立动力学模型具有良好的拟合精度,其平均相对误差比文献报道值低31.6%.     

基于改进神经网络的干点软测量

针对传统的神经网络收敛判断以模型的拟合精度为指标造成训练时间过长和过拟合等缺点,提出了一种改进神经网络(M-ANN).M-ANN将样本分成训练样本和校验样本,并提出了过拟合判据参数.通过训练样本采用误差反传算法对网络进行训练,训练过程中以模型对校验样本的预测性能为指标,通过过拟合判据参数的计算自适应地在获得具有最佳预测性能模型时终止网络训练.同时,针对影响初馏塔塔顶石脑油干点的因素众多且呈高度非线性的特征,应用M-ANN建立初顶石脑油干点软测量模型,获得模型的预测相对误差平方和均值比传统神经网络模型降低了27.5%.     

PSO-SOM分类判别研究及其应用

针对网络初始权矢量选取的不确定性问题,提出了粒子群优化-自组织映射(PSO-SOM)算法,利用PSO算法优化SOM网络的初始权矢量,进而进行分类.将提出的方法用于基因表达数据的分类判别中,使得SOM网络的误差平方和大大下降,提高了网络的分类精度,表明PSO-SOM算法用于数据的分类判别是切实有效的.     

自适应变异差分进化算法估计软测量参数

提出一种自适应变异差分进化算法(ADE),能根据搜索进展情况自适应地确定变异率,使算法在初期保持个体的多样性,避免早熟:在后期逐步降低变异率,保留优良信息,避免最优解遭到破坏,增加搜索到全局最优值的概率．与传统的差分进化算法(DE)相比较,ADE算法的离线性能和在线性能都有较大的改进,搜索到全局最优解的概率获得较大提高,对算法参数的敏感性低．本文将ADE算法应用于对苯二甲酸中对羧基苯甲醛含量软测量模型的参数估计,获得了满意的结果．     

基于多神经网络模型的石脑油干点软测量

应用多神经网络建立初顶石脑油干点软测量模型,首先采用模糊C均值聚类法将样本集分成具有不同聚类中心的子集,每个子集运用BP神经网络训练得出子模型,然后根据聚类后产生的隶属度将各子模型的输出加权求和获得初顶石脑油干点软测量值.同时为了克服因炼制原油性质无法及时获得而造成对初顶石脑油干点预测偏差的影响,在子模型建立时将前一时刻初顶石脑油干点分析值作为网络模型的自变量.实际应用表明,所建模型具有良好的预测精度,泛化能力强,效果令人满意.     

融合概率分布和单调性的支持向量回归算法

传统支持向量回归是单纯基于样本数据的输入输出值建模,仅使用样本数据信息,未充分利用其他已知信息,模型泛化能力不强.为了进一步提高其性能,提出一种融合概率分布和单调性先验知识的支持向量回归算法.首先将对偶二次规划问题简化为线性规划问题,在求解时,加入与拉格朗日乘子相关的单调性约束条件;通过粒子群算法优化惩罚参数和核参数,优化目标包括四阶矩估计表示的输出样本概率分布特性.实验结果表明,融合这两部分信息的模型,能使预测值较好地满足训练样本隐含的概率分布特性及已知的单调性,既提高了预测精度,又增加了模型的可解释性.     

基于自适应偏最小二乘回归的初顶石脑油干点软测量

提出了一种具有强非线性表达能力的自适应偏最小二乘回归（APLSR）方法,并应用于初顶石脑油干点软测量模型建立.APLSR对于指定的预测对象,将根据样本在自变量空间中的分布,分析它们对预测对象的预报能力,自适应地为各个样本分配权值,然后从加权样本数据中提取和选定PLS成分,实施自适应加权PLSR,从而获得预报性能良好的模型.同时提出将前一时刻初顶石脑油干点人工分析值引入作为模型的自变量,从而进一步提高了软测量模型的预测精度.     

基于蚂蚁智能体调度的混沌搜索算法及化工应用

针对混沌搜索随机性的缺点和遍历性的优点,提出了一种基于蚂蚁智能体调度的混沌搜索算法（chaos optimization algorithm based on ant agent scheduling,CAAS）。该算法将解空间的每维变量都划分成若干子域并分配一定规模的蚂蚁智能体,蚂蚁智能体在各子域中进行混沌搜索。同时,根据每维变量各个子域中信息素浓度决定蚂蚁智能体在各个子域间的转移,以有效克服传统混沌优化算法的随机性,实现快速的全局最优搜索。分别采用传统混沌优化算法和CAAS对标准的非线性连续优化问题进行寻优。结果表明：CAAS的全局搜索性能、收敛速率都明显地优于混沌优化算法。最后,将该算法应用于对羧基苯甲醛含量软测量模型参数估计,取得良好的效果。     

用类随机训练组合网络以辅助含硫苯衍生物分子设计

提出一种线性与非线性相结合的组合式神经网络，用以研究化合物的定量构效关系。网络线性部分的参数和局部输出值可以解释分子结构片段地化合物活性效应的贡献。而其非线性部分则可进一步提高网络模型的拟合与预报精度。还提出了一种快速的类随机搜索训练方法，并实际应用于含硫苯衍生物构效关系的建模中，取得了良好的效果。     

模糊自适应遗传算法及其在化工中的应用

Considering that the performance of a genetic algorithm (GA) is affected by many factors and their relationships are complex and hard to be described, a novel fuzzy-based adaptive genetic algorithm (FAGA) combined a new artificial immune system with fuzzy system theory is proposed due to the fact fuzzy theory can describe high complex problems. In FAGA, immune theory is used to improve the performance of selection operation. And,crossover probability and mutation probability are adjusted dynamically by fuzzy inferences, which are developed according to the heuristic fuzzy relationship between algorithm performances and control parameters. The experiments show that FAGA can efficiently overcome shortcomings of GA, I.e., premature and slow, and obtain better results than two typical fuzzy Gas. Finally, FAGA was used for the parameters estimation of reaction kinetics model and the satisfactory result was obtained.