计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2007年
10期
1363-1366
,共4页
高世博%张运陶%刘金迪%白春艳%郑伟
高世博%張運陶%劉金迪%白春豔%鄭偉
고세박%장운도%류금적%백춘염%정위
微粒群算法%随机抽样%优化%训练样本集%汽油调合
微粒群算法%隨機抽樣%優化%訓練樣本集%汽油調閤
미립군산법%수궤추양%우화%훈련양본집%기유조합
提出PSO-v-SVR方法建立计算机辅助调合汽油辛烷值预测模型的新思路,采用微粒群算法(PSO)对原始样本集随机抽样并加以优化获得优化的训练集,再以v-支持向量回归(v-SVR)对样本进行训练和预测.用PSO-v-SVR方法对某炼油厂的汽油调合生产数据进行研究,用选出的最佳训练集构成的模型对44组预测样进行预测,实测辛烷值与预测值误差绝对值AE≥0.3的样本数仅为16,平均绝对误差MAE=0.293;明显优于直接用全部原始样本作训练集建模AE≥0.3的样本数26个,MAE=0.366,以及按文献[12]用前期80组样本作训练集建模AE≥0.3的样本数25个,MAE=0.350的预测结果.研究表明,本文的思路可以较大幅度提高模型预测准确性,在化工生产优化和软测量建模中具有推广应用价值.
提齣PSO-v-SVR方法建立計算機輔助調閤汽油辛烷值預測模型的新思路,採用微粒群算法(PSO)對原始樣本集隨機抽樣併加以優化穫得優化的訓練集,再以v-支持嚮量迴歸(v-SVR)對樣本進行訓練和預測.用PSO-v-SVR方法對某煉油廠的汽油調閤生產數據進行研究,用選齣的最佳訓練集構成的模型對44組預測樣進行預測,實測辛烷值與預測值誤差絕對值AE≥0.3的樣本數僅為16,平均絕對誤差MAE=0.293;明顯優于直接用全部原始樣本作訓練集建模AE≥0.3的樣本數26箇,MAE=0.366,以及按文獻[12]用前期80組樣本作訓練集建模AE≥0.3的樣本數25箇,MAE=0.350的預測結果.研究錶明,本文的思路可以較大幅度提高模型預測準確性,在化工生產優化和軟測量建模中具有推廣應用價值.
제출PSO-v-SVR방법건립계산궤보조조합기유신완치예측모형적신사로,채용미립군산법(PSO)대원시양본집수궤추양병가이우화획득우화적훈련집,재이v-지지향량회귀(v-SVR)대양본진행훈련화예측.용PSO-v-SVR방법대모련유엄적기유조합생산수거진행연구,용선출적최가훈련집구성적모형대44조예측양진행예측,실측신완치여예측치오차절대치AE≥0.3적양본수부위16,평균절대오차MAE=0.293;명현우우직접용전부원시양본작훈련집건모AE≥0.3적양본수26개,MAE=0.366,이급안문헌[12]용전기80조양본작훈련집건모AE≥0.3적양본수25개,MAE=0.350적예측결과.연구표명,본문적사로가이교대폭도제고모형예측준학성,재화공생산우화화연측량건모중구유추엄응용개치.
