10.11949/j.issn.0438-1157.20151910
基于模糊RBF神经网络的乙烯装置生产能力预测
针对传统的径向基函数（RBF）神经网络隐藏层节点的不确定和初始中心敏感性、收敛速度过慢等问题，提出一种基于模糊C均值的RBF神经网络(FCM-RBF)模型，通过模糊C均值聚类(FCM)得到各聚类中心，基于误差反传的梯度下降法训练隐藏层到输出层之间的权值，克服传统 RBF 模型对数据中心的敏感性，优化确定 RBF神经网络隐藏层的节点数，提高网络训练速度和精度。最后将其用于乙烯装置生产能力预测中，分析预测不同技术、不同规模乙烯装置生产情况，指导乙烯生产，提高生产效率，结果验证了所提出算法的有效性和实用性。
乙烯装置、生产能力预测、模糊C均值聚类、径向基神经网络、模型预测控制、神经网络、生产
67
TP29(自动化技术及设备)
国家自然科学基金项目61374166,71572008；高等学校博士学科点专项科研基金20120010110010；中央高校基本科研业务费YS1404，ZY1502。@@@@supported by the National Natural Science Foundation of China61374166,71572008;the Specialized Research Fund for the Doctoral Program of Higher Education of China20120010110010;the Fundamental Research Funds for the Central UniversitiesYS1404, ZY1502
2016-04-21（万方平台首次上网日期，不代表论文的发表时间）
共8页
812-819
