基于遗传算法训练与结构优化的人工神经网络在原油分馏过程建模中的应用
神经与进化计算
2016-05-03 v1
摘要
本工作提出了应用由遗传算法训练并结构优化的人工神经网络，对PKN ORLEN S.A.炼油厂的原油蒸馏过程进行建模。利用历史数据建立了主分馏塔蒸馏柱产品的模型。基于若干选定的过程变量预测了馏分的质量。使用测试数据验证了模型的性能。与遗传算法结合使用的人工神经网络证明能够准确预测馏分质量变化，复现标准实验室分析的结果。还对构建的神经网络模型执行了简单的知识提取方法。遗传算法可成功用于大型神经网络的高效训练及其最优结构的寻找。
引用
@article{arxiv.1605.00097,
title = {Application of artificial neural networks and genetic algorithms for crude fractional distillation process modeling},
author = {Lukasz Pater},
journal= {arXiv preprint arXiv:1605.00097},
year = {2016}
}
备注
Publication has 9 pages, 6 figures