论文部分内容阅读
提出了一种基于粗糙集-动态模糊神经网络的软测量建模方法,并将其应用于聚氯乙烯平均粒径软测量研究中。首先,用粗糙集隶属函数对各个辅助变量进行分析比较,得到最简的辅助变量个数,然后采用等间距离散法对各个辅助变量和主导变量进行离散化,分析得到离散表和最简模糊规则数,并采用模拟退火法对动态模糊神经网络输出层的权值参数进行优化训练。研究结果表明,与常规动态模糊神经网络相比,基于粗糙集-动态模糊神经网络的聚氯乙烯平均粒径软测量模型具有更佳的预测效果。