椭球定界算法在混合建模中的应用研究
并行结构混合建模主要由机理模型与误差补偿模型组成。一般地，误差补偿模型不宜过于复杂，且模型应具有校正功能，以免精度随时间不断下降。针对这个问题，本文选择单层神经网络作为误差补偿模型，并将椭球定界算法应用于单层神经网络的参数更新，不仅能够保证建模误差稳定有界，同时能够提高网络的收敛速度。将提出的方法应用于氧化铝生产过程，改进了原有的苛性碱和氧化铝组分浓度软测量方法。实验研究结果表明，椭球定界算法的应用提高了模型的精度和网络的收敛速度。除此之外，在存在噪声干扰下，改进的方法比原有方法更稳定，进一步证明了方法的有效性和优越性。
混合建模、软测量、椭球定界、神经网络
TP2;TH8
国家自然科学基金61203102,61004063;中国博士后科学基金面上项目2013M532118;辽宁省教育厅科学研究一般项目L2013272, L2012259;大连海洋大学博士启动基金SYYJ2012005;辽宁省科研计划2010216008;辽宁省海洋渔业厅科研计划2011003;辽宁省高等学校优秀人才支持计划LR2012024资助Supported by National Natural Science Foundation of China61203102,61004063;Postdoctoral Science Foundation of China2013M532118;the Scientific Research Program of Liaoning Education DepartmentL2013272, L2012259;Doctor Startup Foundation of Dalian Ocean UniversitySYYJ2012005;the Re-search Projects of Liaoning Province2010216008;Marine Fish-eries Department Research Programs of Liaoning Province2011003;Program for Liaoning Excellent Talents in UniversityLR2012024
2014-10-09（万方平台首次上网日期，不代表论文的发表时间）
共7页
1875-1881
