基于主元提取的鲁棒极限学习机研究及其化工建模应用

• 作者: 张晓晗 徐圆 朱群雄 汪平江 贺彦林 顾祥柏
• 来源期刊: 化工学报
• 关键词: 极限学习机 神经网络 主元分析 过程建模 化工生产 过程控制
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 过程系统工程
• 页码范围: 475-480
• 页数: 6页
• 分类号: TP29
• 语种: 中文
• DOI: 10.11949/j.issn.0438?1157.20181355

摘要

化工生产过程日益复杂,传统极限学习机(extreme learning machine, ELM)无法有效地对化工过程数据建模.针对该问题,提出一种基于主元提取(principal components extraction, PCE)的鲁棒极限学习机(PCE-RELM).通过对ELM隐含层进行主元分析,提取数据的主元特征,去除变量间的线性相关性,简化研究问题.可以减小隐含层节点数对模型精度的影响,实现对ELM隐含层节点数的快速随机选取,同时使ELM具有鲁棒性.为验证提出方法的有效性,将PCE-RELM模型应用于精对苯二甲酸(purified terephthalic acid,PTA)生产过程建模.仿真结果显示,相比传统的ELM,PCE-RELM模型具有设计简单、鲁棒性好、精度高等优势,可以对化工过程控制、分析起到指导作用.