控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2013年
1期
115-120
,共6页
李太福%姚立忠%苏盈盈%易军%胡文金%肖大志
李太福%姚立忠%囌盈盈%易軍%鬍文金%肖大誌
리태복%요립충%소영영%역군%호문금%초대지
神经网络模型%透明化%化工过程%网络释义图%随机化
神經網絡模型%透明化%化工過程%網絡釋義圖%隨機化
신경망락모형%투명화%화공과정%망락석의도%수궤화
神经网络具有优良的非线性映射逼近能力,广泛应用于化工过程建模,但神经网络建模方法属于黑箱法,所获得的模型缺乏透明性,各变量的解释性差,限制其指导化工企业优化技术决策.结合神经网络释义图、连接权法和改进的随机化测验三种方法,对复杂化工过程神经网络模型进行透明化研究.首先利用神经网络释义图可视化模型,再用连接权法对决策参数贡献率定量分析,最后利用改进的随机化测验,对模型的连接权、决策参数的综合贡献度和相对贡献率进行显著性检验,进而修剪模型.通过对复杂化工过程氢氰酸生产模型验证研究,结果表明该方法获取了过程变量的内部信息,极大地提高了模型的“可理解”能力.因此,本研究为复杂化工过程神经网路模型的透明化提供了一条很好的途径.
神經網絡具有優良的非線性映射逼近能力,廣汎應用于化工過程建模,但神經網絡建模方法屬于黑箱法,所穫得的模型缺乏透明性,各變量的解釋性差,限製其指導化工企業優化技術決策.結閤神經網絡釋義圖、連接權法和改進的隨機化測驗三種方法,對複雜化工過程神經網絡模型進行透明化研究.首先利用神經網絡釋義圖可視化模型,再用連接權法對決策參數貢獻率定量分析,最後利用改進的隨機化測驗,對模型的連接權、決策參數的綜閤貢獻度和相對貢獻率進行顯著性檢驗,進而脩剪模型.通過對複雜化工過程氫氰痠生產模型驗證研究,結果錶明該方法穫取瞭過程變量的內部信息,極大地提高瞭模型的“可理解”能力.因此,本研究為複雜化工過程神經網路模型的透明化提供瞭一條很好的途徑.
신경망락구유우량적비선성영사핍근능력,엄범응용우화공과정건모,단신경망락건모방법속우흑상법,소획득적모형결핍투명성,각변량적해석성차,한제기지도화공기업우화기술결책.결합신경망락석의도、련접권법화개진적수궤화측험삼충방법,대복잡화공과정신경망락모형진행투명화연구.수선이용신경망락석의도가시화모형,재용련접권법대결책삼수공헌솔정량분석,최후이용개진적수궤화측험,대모형적련접권、결책삼수적종합공헌도화상대공헌솔진행현저성검험,진이수전모형.통과대복잡화공과정경청산생산모형험증연구,결과표명해방법획취료과정변량적내부신식,겁대지제고료모형적“가리해”능력.인차,본연구위복잡화공과정신경망로모형적투명화제공료일조흔호적도경.
