论文部分内容阅读
化工过程的建模是化工理论和实际研究的重要领域,是过程仿真、优化以及控制的基础。但由于化工过程往往机理复杂、强耦合性、高度非线性,难于建立其机理模型,这是就需要采用经验建模的方法。人工神经网络建模不需要考虑机理,且对非线性问题有很好的效果,是一种良好的经验模型,已被应用于不少化工问题中。本文依据生产过程的实测数据,分别应用BP神经网络、GA-BP神经网络和支持向量机三种方法对干气制乙苯反应器进行建模,主要内容如下：一、对BP神经网络理论做了简要介绍,主要包括BP神经网络的基本原理和算法的描述。详细描述了基于BP神经网络的干气制乙苯反应器出口温度预测模型建立的过程。重点讨论了神经网络输入输出数据的选择和其结构的确定方法。建立预测模型并对训练集和预测集分别预测,预测结果相关系数在80%以上,说明模型精度达到要求。通过BP神经网络在干气制乙苯反应器中的应用为案例,总结了BP神经网络的优缺点。二、对遗传算法理论做了简要介绍,论述了遗传算法优化BP神经网络的思想。将GA-BP理论应用到干气制乙苯反应器出口温度预测建模的实际例子中,选择10-18-1为神经网络模型的结构,遗传算法种群规模为10,进化次数取50次,交叉概率为0.4,变异概率为0.2,建立干气制乙苯反应器出口温度预测模型,并用测试数据对模型进行检测,测试的相关系数达到83.6103%,说明模型可用。通过对BP与GA-BP模型预测效果对比,发现GA-BP在模型精度和模型的稳定性上均占有比较明显的优势。三、对支持向量机理论做了简要介绍。将支持向量机回归理论应用到干气制乙苯反应器出口温度预测的实际例子中,选择支持向量机的类型为ε-SVR,选择径向基(RBF)为核函数,之后应用交叉验证的方法选择最佳参数C=5.6569,,／=0.015625,最后建立预测模型并对训练集和预测集分别预测,预测结果相关系数在90%以上,说明模型精度达到要求。对预测产生的误差做了有意义的讨论,通过对支持向量机与GA-BP网络预测效果的对比和讨论,得出支持向量机在模型稳定性、训练结果的稳定性和精度以及建模难易程度等方面具有明显的优势,更适合于工程实际建模。文章最后对所做的工作进行了总结,提出了今后的研究发展方向。