广义回归神经网络的改进及在延迟焦化建模中的应用

被引：12

作者：

郝鑫

陈德钊

吴晓华

俞欢军

机构：

[1] 浙江大学化学工程与生物工程学系

来源：

化工学报 | 2004年 / 04期

关键词：

广义回归神经网络; 优进策略; 遗传算法; 延迟焦化; 非线性建模;

D O I：

暂无

中图分类号：

TE624 [炼油工艺过程];

学科分类号：

摘要：

广义回归神经网络 (GRNN)具有明确的概率意义 ,其参数大多能自动确定 ,仅光滑因子参数需优化估值 .采用优进遗传算法 (EGA) ,将确定性与随机性寻优操作相融合 ,实现了高效全局搜优 ,它所基于的优进策略包括设计Powell寻优算子、改进交叉算子、自适应地调整交叉率和变异率等 .以推广能力作为优化目标 ,所建的GRNN有很强的非线性拟合能力和优良的预报性能 ,将其成功地为延迟焦化过程建模 ,与径向基网络(RBFN)等相比 ,显示了明显的优势 .

引用

页码：608 / 612

页数：5