10.3969/j.issn.2095-6835.2011.01.113
基于灰关联分析方法
针对一致关联度算法不具有普遍性和动态改变惯性权的自适应粒子群算法(DCW)不易跳出局部收敛能力的缺陷,本文提出了完全关联度算法和自适应变异的动态粒子群优化算法.完全关联度算法主要用来选择软测量的辅助变量.在改进的粒子群优化算法中,除了采用动态惯性权重外,还引入了自适应学习因子和新的变异算子.为了构造一种性能较好的神经网络,采用改进的粒子群优化算法来优化神经网络所有的权值参数,并将提出的软测量建模方法预测延迟焦化的汽油千点,实验结果表明,与DCW算法优化神经网络(DCWNN)的建模方法相比,该算法不仅具有较好的泛化性能,而且具有较高的精度和良好的应用前景.
软测量、完全关联度、粒子群优化、神经网络、汽油干点
27
TP273(自动化技术及设备)
2014-07-08(万方平台首次上网日期,不代表论文的发表时间)
共3页
285-287