控制理论与应用

作者：贺婷婷,陆军,丁进良,刘长鑫

单位：东北大学流程工业综合自动化国家重点实验室,东北大学流程工业综合自动化国家重点实验室,东北大学流程工业综合自动化国家重点实验室,东北大学流程工业综合自动化国家重点实验室

关键词：原油总碳含量; 预测模型; 粒子群; 集成学习; 神经网络; 核磁共振

基金：国家自然科学基金(61590922, 61525302, 61621004)资助

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. 本文采用核磁共振光谱技术和粒子群优化集成神经网络(PSO-ERNN)模型建立了一种快速评价原油总碳物性指标的新方法. 该模型以随机向量函数连接网络(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模型的精度, 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和效率和及时满足加工炼制要求具有应用价值.

来源：2019年第2期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2019年第2期