基于DBN-ELM的聚丙烯熔融指数的软测量

• 作者: 尚超 张姗 狄克松 王宇红 黄德先
• 来源期刊: 化工学报
• 关键词: 深度置信网络 算法 极限学习机 数值分析 特征提取 实验验证
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 过程系统工程
• 页码范围: 5163-5168
• 页数: 6页
• 分类号: TP273
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20161280

摘要

针对聚丙烯熔融指数软测量中预测精度不高的缺点，将基于深度置信网络-极限学习机（DBN-ELM）的软测量方法应用到熔融指数的软测量中。与传统深度置信网络（DBN）不同的是，该方法将极限学习机（ELM）算法运用到深度置信网络的训练中。首先用深度置信网络对原始数据进行数值分析来提取特征，然后将提取的特征输入到极限学习机中进行训练，得到软测量模型。实验验证表明，与支持向量机和单纯的深度置信网络模型相比，该方法具有更高的测量精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄德先	清华大学自动化系	76	1246	19.0	33.0
2	尚超	清华大学自动化系	3	20	2.0	3.0
3	王宇红	中国石油大学华东信息与控制工程学院	6	29	4.0	5.0
4	狄克松	中国石油大学华东信息与控制工程学院	1	13	1.0	1.0
5	张姗	中国石油大学华东信息与控制工程学院	1	13	1.0	1.0