基于模糊RBF神经网络的乙烯装置生产能力预测

• 作者: 耿志强 陈杰 韩永明
• 来源期刊: 化工学报
• 关键词: 乙烯装置 生产能力预测 模糊C均值聚类 径向基神经网络 模型预测控制 神经网络 生产
• 年，卷（期）: 2016,（3）
• 页码范围: 812-819
• 页数: 8页
• 分类号: TP29
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20151910

摘要

针对传统的径向基函数（RBF）神经网络隐藏层节点的不确定和初始中心敏感性、收敛速度过慢等问题，提出一种基于模糊C均值的RBF神经网络(FCM-RBF)模型，通过模糊C均值聚类(FCM)得到各聚类中心，基于误差反传的梯度下降法训练隐藏层到输出层之间的权值，克服传统 RBF 模型对数据中心的敏感性，优化确定 RBF神经网络隐藏层的节点数，提高网络训练速度和精度。最后将其用于乙烯装置生产能力预测中，分析预测不同技术、不同规模乙烯装置生产情况，指导乙烯生产，提高生产效率，结果验证了所提出算法的有效性和实用性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	耿志强	北京化工大学信息科学与技术学院	45	419	12.0	18.0
3	陈杰	北京化工大学信息科学与技术学院	3	27	2.0	3.0
5	韩永明	北京化工大学信息科学与技术学院	19	96	7.0	9.0