工业控制计算机
工業控製計算機
공업공제계산궤
INDUSTRY CONTROL COMPUTER
2015年
2期
59-60
,共2页
秦富%聂建华%胡瑾
秦富%聶建華%鬍瑾
진부%섭건화%호근
地下水位%主元分析%RBF神经网络%软测量
地下水位%主元分析%RBF神經網絡%軟測量
지하수위%주원분석%RBF신경망락%연측량
groundwater level%principal component analysis%RBF neural network%soft sensor
结合主元分析(PCA)和径向基函数(RBF)神经网络,建立了地下水动态模拟与软测量预测模型。通过主元分析法提取主要成分,实现数据预处理;将选取的主要成分作为RBF神经网络的输入;采用k均值聚类算法确定RBF网络隐含层参数,并用递进最小二乘法确定输出层权值。仿真结果表明,该模型优化了网络结构,提高了预测精度。
結閤主元分析(PCA)和徑嚮基函數(RBF)神經網絡,建立瞭地下水動態模擬與軟測量預測模型。通過主元分析法提取主要成分,實現數據預處理;將選取的主要成分作為RBF神經網絡的輸入;採用k均值聚類算法確定RBF網絡隱含層參數,併用遞進最小二乘法確定輸齣層權值。倣真結果錶明,該模型優化瞭網絡結構,提高瞭預測精度。
결합주원분석(PCA)화경향기함수(RBF)신경망락,건립료지하수동태모의여연측량예측모형。통과주원분석법제취주요성분,실현수거예처리;장선취적주요성분작위RBF신경망락적수입;채용k균치취류산법학정RBF망락은함층삼수,병용체진최소이승법학정수출층권치。방진결과표명,해모형우화료망락결구,제고료예측정도。
This paper uses Principal Component Analysis (PCA) and Radial Basis Function (RBF) neural network,and establishes a forecasting model for dynamic simulation of groundwater and soft measurement.Through principal component analysis method to extract the main components and realize the data preprocessing.The main components are selected as the input of RBF neural network.Using K means clustering algorithm to determine the RBF hidden layer of network parameters,and determine the output layer weights using progressive method of least squares.