10.3969/j.issn.1001-4160.2011.07.011
遗传算法的聚丙烯熔融指数最优预报
熔融指数只能通过人工取样、离线化验分析获得,时间滞后大,难以满足实时控制的要求,其软测量预报意义很大.本文提出了一种基于遗传算法的聚丙烯熔融指数最优预报方法.径向基函数(RBF)神经网络用来拟合输入与输出之间的非线性关系,用遗传算法对RBF神经网络权值进行优化.基于某石化企业聚丙烯生产过程采集的历史数据进行研究.根据反应机理以及流程工艺分析,将温度、压力、液位、氢气气相百分数、3股丙烯进料流率、2股催化剂进料流率等9个过程变量作为模型的输入.经过优化的预报模型的均方根误差从优化前的0.0107减小为0.0057;平均绝对误差从原来的0.0392减小为0.0220;平均相对误差从优化前的1.49%减小为0.94%,表明优化后模型精度大大提高.优化后的标准差从优化前的0.0496减小为0.0271,表明优化后模型具有更好的预报稳定性.希尔不等系数从优化前的0.0096减小为优化后的0.0051,表明优化后模型与实际过程具有更好的一致性.优化后的RBF神经网络模型预测结果的各项指标都明显优于优化前的RBF模型,表明遗传算法提高了原模型的预报准确性、稳定性和可靠性.
遗传算法、径向基函数神经网络、熔融指数
28
TP273;TQ018(自动化技术及设备)
国家自然科学基金50876093;浙江省杰出青年科学基金R4100133;浙江省科技厅国际合作2009C3408;国家863计划2006AA05Z226
2012-02-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
843-846