本文主要研究内容
作者贺婷婷,陆军,丁进良,刘长鑫（2019）在《原油总碳含量的粒子群优化集成神经网络预测模型》一文中研究指出：原油评价新技术的研究和应用成为目前世界石油炼制企业致力发展的方向,也是今后发展的必然趋势.本文采用核磁共振(nuclear magnetic resonance, NMR)光谱技术和粒子群优化集成神经网络(particle swarm optimiza tion-ensemble neural network, PSO-ERNN)建立了一种快速评价原油总碳物性指标预测模型.该模型以随机向量函数连接网络(random vector functional link network, RVFL)作为基本模型,采用正则化负相关学习策略集成基本模型,并采用粒子群优化算法优化各基本模型的最优隐含层节点数(L)以及集成规模的最佳集成个数(M),最后利用在线学习方法对模型进行更新.实例验证表明,所提出的模型显著提高了预报精度,避免了随机选择L和M对模型精度的影响,对提高原油评价精度与效率和及时满足加工炼制要求具有应用价值.
Abstract
yuan you ping jia xin ji shu de yan jiu he ying yong cheng wei mu qian shi jie dan you lian zhi qi ye zhi li fa zhan de fang xiang ,ye shi jin hou fa zhan de bi ran qu shi .ben wen cai yong he ci gong zhen (nuclear magnetic resonance, NMR)guang pu ji shu he li zi qun you hua ji cheng shen jing wang lao (particle swarm optimiza tion-ensemble neural network, PSO-ERNN)jian li le yi chong kuai su ping jia yuan you zong tan wu xing zhi biao yu ce mo xing .gai mo xing yi sui ji xiang liang han shu lian jie wang lao (random vector functional link network, RVFL)zuo wei ji ben mo xing ,cai yong zheng ze hua fu xiang guan xue xi ce lve ji cheng ji ben mo xing ,bing cai yong li zi qun you hua suan fa you hua ge ji ben mo xing de zui you yin han ceng jie dian shu (L)yi ji ji cheng gui mo de zui jia ji cheng ge shu (M),zui hou li yong zai xian xue xi fang fa dui mo xing jin hang geng xin .shi li yan zheng biao ming ,suo di chu de mo xing xian zhe di gao le yu bao jing du ,bi mian le sui ji shua ze Lhe Mdui mo xing jing du de ying xiang ,dui di gao yuan you ping jia jing du yu xiao lv he ji shi man zu jia gong lian zhi yao qiu ju you ying yong jia zhi .
论文参考文献
论文详细介绍
论文作者分别是来自控制理论与应用的贺婷婷,陆军,丁进良,刘长鑫，发表于刊物控制理论与应用2019年02期论文，是一篇关于原油总碳含量论文,预测模型论文,粒子群论文,集成学习论文,神经网络论文,核磁共振论文,控制理论与应用2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自控制理论与应用2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：原油总碳含量论文; 预测模型论文; 粒子群论文; 集成学习论文; 神经网络论文; 核磁共振论文; 控制理论与应用2019年02期论文;