嵌入岭回归的BP算法及其在软测量中的应用

针对三层神经网络(ANN)最佳隐节点个数难以确定和随着隐节点个数增加ANN模型易出现过拟合等缺点,提出了嵌入岭回归(RR)的误差反传算法(BP).BP-RR根据样本规模自适应确定隐节点个数,并通过BP算法充分提取样本数据信息.然后,针对隐含层输出可能存在的复共线性,采用RR以预测性能为指标,通过进化算法确定最佳岭参数,进而重新确定隐含层与输出层之间最佳的权值和阈值,克服ANN过拟合,建立具有良好预测性能的模型.将BP-RR应用于建立石脑油干点软测量,结果显示,BP-RR模型具有良好的预测性能.与ANN相比,BP-RR模型鲁棒性强,预测精度高.     

基于ART-SVR的过程建模及在干点软测量中的应用

针对石油化工生产过程通常呈高度非线性,且生产过程数据呈非连续、具有一定类别特性等特征,提出基于自适应谐振神经网络（adaptive resonance theory,ART）和支持向量回归（support vector regression, SVR）相结合的建模方法（ART-SVR）。首先,基于建模样本,通过ART将样本模式空间分割成若干模式特性相近的子空间;然后,对各子空间分别采用SVR建立各自模型,实现基于样本模式空间分割的“分段”建模。仿真试验和在石脑油干点软测量建模的实际应用表明：ART-SVR模型的拟合精度和预测精度均优于全局SVR模型。     

基于动态神经网络的非线性过程在线预测

神经网络需满足以下两个条件方能用于非线性过程的在线预测:①神经网络必需以某种递推的方式出现;②神经网络的学习算法应尽可能简洁快速.为此改造泛回归神经网络(GRNN),运用递推更新的样本数据集训练GRNN,构成动态泛回归神经网络.该动态神经网络训练方便快捷,能够满足在线预测的实时性的要求.仿真实验表明预测值较观测值有一定滞后,但均能尾随观测值而变化,达到了预期的目标.     

BP-AMOCO工艺氧化单元催化剂和促进剂消耗模型

提出一种采用BP AMOCO工艺的氧化单元钴、锰催化剂和溴促进剂的消耗模型。模型首先对氧化单元配料系统进行分析,建立氧化单元钴锰溴的消耗与配料混合罐出口流股的流量、钴锰溴的浓度,以及氧化单元循环母液的流量、钴锰溴浓度的关联模型;然后再对氧化单元钴锰溴循环系统进行机理和统计分析,建立氧化单元母液的流量、钴锰溴的浓度与配料混合罐出口流股的流量、钴锰溴的浓度的关联模型;最终建立可以根据配料混合罐出口流股钴锰溴浓度和母液循环率,计算氧化单元钴锰溴消耗的模型,从而为操作参数优化提供基础。     

基于蚁群系统的参数自适应粒子群算法及其应用

为了解决粒子群算法惯性权重自适应问题,提出一种基于蚁群系统的惯性权重自适应粒子群算法(AS-PSO).AS-PSO首先将惯性权重取值区间离散化,各个惯性权重子区间在初期赋予相同的信息素;然后,粒子群算法中的各个粒子,根据各个惯性权重子区间中的信息素浓度和粒子在搜索空间中分布的先验知识,确定各个惯性权重子区间的选择概率,并进而实现粒子的空间搜索;最后,基于粒子的进化信息,实现惯性权重子区间信息素浓度的更新.仿真研究表明,AS-PSO算法在种群进化寻优的同时,能根据种群的进化信息,通过蚁群算法实现惯性权重参数的自适应调整和进化,且不增加测试函数的调用次数;算法寻优性能优于传统的自适应粒子群算法和根据速度信息自适应调整参数的粒子群算法.同时,算法实际应用于复杂系统模型参数的优化估计,获得满意结果.     

基于径基函数-加权偏最小二乘回归的干点软测量

针对影响石油馏分产品干点因素众多且呈高度非线性的特征，提出了一种径基函数(Radial basis function，RBF)和加权偏最小二乘回归(Weighted partial least squares regression，WPLSR) 相结合的建模方法建立干点软测量模型. 该组合方法首先应用RBF 实现样本数据的非线性变换；然后根据非线性变换后样本在结构参数空间中的分布，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，并进而从中提取和选用PLS 成分，实施加权PLSR，以获得预报性能良好的模型. 在实际应用于初顶石脑油干点软测量建模中，RBF-WPLSR 获得比PLSR、WPLSR 及RBF-PLSR 更高精度的模型.     

基于SOM的高维化工过程数据粗差判别

针对石油化工生产过程样本数据呈高维的特征.提出了基于自组织映射(Self-Organizing Map,SOM)网络的粗差判别方法.并实际应用于初馏塔生产过程.首先应用SOM网络对初馏塔生产过程数据进行保留拓扑结构的降维映射,然后通过对其映射平面神经元间距离的可视化分析,实现数据粗差判别.研究结果表明用SOM网络来发现高维复杂生产过程数据中的粗差具有很好的可视化效果及应用前景.     

基于群体信息挖掘的协同差分进化算法及其应用

为了提高差分进化算法的寻优速度和寻优效能,提出了一种基于群体信息挖掘的协同差分进化算法。该算法首先利用协同进化的思想,将种群分解成不同的子种群,每个子种群采用不同的差分策略进行独立的差分和交叉操作,再将各个子种群合并成一个种群,并根据每个个体的适应度值挑选出最优个体;为了提高差分进化算法的局部搜索能力,引入了多元回归分析和模式搜索算法,对于整个种群,利用最小二乘法求得种群的寻优方向信息,并以此来指导种群中的每一个个体进行模式搜索。仿真试验和在精对苯二甲酸生产过程对羧基苯甲醛含量软测量模型参数估计中的实际应用表明：该算法的性能比传统的差分进化算法有较大的提高,取得了较好的效果。     

基于免疫系统的自适应差分进化算法及在水银氧化动力学参数估计中的应用

A new version of differential evolution (DE) algorithm, in which immune concepts and methods are applied to determine the parameter setting, named immune self-adaptive differential evolution (ISDE), is proposed to improve the performance of the DE algorithm. During the actual operation, ISDE seeks the optimal parameters arising from the evolutionary process, which enable ISDE to alter the algorithm for different optimization problems and improve the performance of ISDE by the control parameters’ self-adaptation. The performance of the proposed method is studied with the use of nine benchmark problems and compared with original DE algorithm and other well-known self-adaptive DE algorithms. The experiments conducted show that the ISDE clearly outperforms the other DE algorithms in all benchmark functions. Furthermore, ISDE is applied to develop the kinetic model for homogeneous mercury (Hg) oxidation in flue gas, and satisfactory results are obtained.     

洛阳PTA装置基于径基函数网络的4-CBA软测量

采用一种具有强非线性表达能力的径基函数网络方法建立洛阳PTA装置4-CBA含量软测量模型。在实际应用中,4-CBA含量软测量模型具有良好的预测精度,相对误差仅为4.3%。基于该软测量模型系统分析主要工艺操作参数对TA产品中4-CBA含量的影响,为生产操作条件的优化提供指导。