通用回归神经网络及其用于渣油裂解建模

• 作者: 俞欢军 张兵 陈德钊
• 来源期刊: 浙江大学学报(工学版)
• 学科: 工学
• 关键词: 通用回归神经网络 全局优化 改进进化规划 渣油裂解 非线性建模
• 年，卷（期）: 2004,（6）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 653-657
• 页数: 5页
• 分类号: TP183|TQ021.8
• 字数: 4187字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2004.06.001

摘要

为建立准确的渣油裂解装置经验模型,采用了一种特殊的径向基函数网络--通用回归神经网络(general regression neural network, GRNN).GRNN具有明确的概率意义,结构和连接权均完全确定,克服了一般径向基网(RBFN)设计和训练上的困难.在分析了平滑因子对GRNN性能的影响后,设计了改进的进化规划算法(MEP)以优选平滑因子,并建立MEP-GRNN模型.该模型用于渣油裂解建模时,其预报精度和稳定性比RBF-PLS等方法均有所提高,表现了MEP-GRNN为非线性过程建模的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德钊	浙江大学化学工程学系	112	1957	24.0	38.0
2	俞欢军	浙江大学化学工程学系	54	1329	21.0	35.0
3	张兵	浙江大学化学工程学系	26	309	9.0	17.0