基于AFSA-BPNN的MRVM模型非线性融合建模

摘要：

针对化工过程强非线性和多工况的特性,提出了一种基于BP神经网络(BPNN)有效非线性融合多关联向量机(M RV M)的建模方法.首先选择不同的核函数,采用样本数据建立单一RV M子模型;然后利用BPNN的强非线性拟合能力,对各子模型的预测信息进行非线性融合,并采用人工鱼群算法(AFSA)对BPNN的初始权重和阈值进行优化;最终建立MRVM非线性融合模型.将该建模方法应用于甲醇制烯烃生产过程(M TO)乙烯收率预测研究中,研究结果表明:与单一RVM模型和最优加权组合模型相比,基于M RV M的非线性融合模型具有更佳的预测精度.

关键词：MRVM、BPNN、AFSA、组合模型、非线性

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目21676251

在线出版日期：2017-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：294-299