基于改进的DeepESN软测量建模方法及应用
针对硫回收装置中硫化氢和二氧化硫浓度的实时监控预测问题,提出一种基于改进的深度回声状态网络(DeepESN)软测量建模方法,给出了其离线学习算法.改进的DeepESN网络能够通过多层回声状态网络的结构,可以对具有强非线性特性的化工过程进行有效的深度学习和预测.离线学习算法在求输出权值时加入了岭回归算法,有效地提高了网络学习的稳定性.将该方法在同等条件下与现有的软测量建模方法进行了比较,基于改进的DeepESN软测量建模方法具有更好的学习能力、更高的学习效率和预测精度.
深度回声状态网络;软测量;预测;算法;化工过程
40
TP391(计算技术、计算机技术)
2021-11-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
63-68