基于特征提取的函数连接神经网络研究及其化工过程建模应用

• 作者: 张晓晗 徐圆 朱群雄 贺彦林 顾祥柏
• 来源期刊: 化工学报
• 关键词: 函数连接神经网络 特征提取 过程建模 精对苯二甲酸
• 年，卷（期）: 2018,（3）
• 页码范围: 907-912,封2
• 页数: 7页
• 分类号: TP29
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20171416

摘要

对于化工过程中带噪声、强耦合的高维数据建模问题,常规的函数连接神经网络(functional link neural networks, FLNN)无法有效地进行处理.为解决该问题,提出一种基于主元分析(principal components analysis, PCA)的函数连接神经网络(PCA-FLNN).通过对FLNN的函数扩展层进行特征提取,不仅去除变量间的线性相关关系,而且提取数据的主成分,进而简化FLNN学习数据的复杂度.为验证所提方法的有效性,首先采用UCI数据Airfoil Self-Noise 对其性能进行验证;随后将所提的方法应用于精对苯二甲酸(purified terephthalic acid ,PTA)生产过程建模;与传统FLNN进行对比,标准数据和工业数据的仿真结果表明,PCA-FLNN在处理复杂化工过程数据时具有收敛速度快和建模精度高的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱群雄	北京化工大学信息科学与技术学院	151	1425	19.0	26.0
3	徐圆	北京化工大学信息科学与技术学院	42	269	9.0	14.0
9	张晓晗	北京化工大学信息科学与技术学院	1	3	1.0	1.0