化工学报
化工學報
화공학보
JOURNAL OF CHEMICAL INDUSY AND ENGINEERING (CHINA)
2008年
4期
964-969
,共6页
微粒群算法%优化训练集%仿真%化工建模
微粒群算法%優化訓練集%倣真%化工建模
미립군산법%우화훈련집%방진%화공건모
提出两种均以微粒群(PSO)算法对原始训练集随机抽样优化,再结合机器学习算法建立预测模型的PSO算法优化化工建模训练集的思路.思路1首先以模型交叉验证的均方误差函数mse最小为目标优化训练集,再通过对验证集预测,从平行运行得到的多个优化训练集中确定最优训练集用于建模.思路2借鉴提高BP神经网络泛化能力的初期终止(early stop)法,以对验证集预测的mse最小为目标优化训练集,再通过对测试集预测,从平行运行得到的多个优化训练集中确定最优训练集用于建模.通过仿真实验研究和对某炼油厂调和汽油生产数据的具体分析应用,表明本文思路可以较大幅度提高模型的预测准确性,在化工建模中具有推广应用价值.
提齣兩種均以微粒群(PSO)算法對原始訓練集隨機抽樣優化,再結閤機器學習算法建立預測模型的PSO算法優化化工建模訓練集的思路.思路1首先以模型交扠驗證的均方誤差函數mse最小為目標優化訓練集,再通過對驗證集預測,從平行運行得到的多箇優化訓練集中確定最優訓練集用于建模.思路2藉鑒提高BP神經網絡汎化能力的初期終止(early stop)法,以對驗證集預測的mse最小為目標優化訓練集,再通過對測試集預測,從平行運行得到的多箇優化訓練集中確定最優訓練集用于建模.通過倣真實驗研究和對某煉油廠調和汽油生產數據的具體分析應用,錶明本文思路可以較大幅度提高模型的預測準確性,在化工建模中具有推廣應用價值.
제출량충균이미립군(PSO)산법대원시훈련집수궤추양우화,재결합궤기학습산법건립예측모형적PSO산법우화화공건모훈련집적사로.사로1수선이모형교차험증적균방오차함수mse최소위목표우화훈련집,재통과대험증집예측,종평행운행득도적다개우화훈련집중학정최우훈련집용우건모.사로2차감제고BP신경망락범화능력적초기종지(early stop)법,이대험증집예측적mse최소위목표우화훈련집,재통과대측시집예측,종평행운행득도적다개우화훈련집중학정최우훈련집용우건모.통과방진실험연구화대모련유엄조화기유생산수거적구체분석응용,표명본문사로가이교대폭도제고모형적예측준학성,재화공건모중구유추엄응용개치.
