基于最小化最大绝对预测误差的组合神经网络软测量建模方法

作者：金洪鑫; 夏陆岳; 潘海天

来源：科技通报, 2011, (03): 403-407.

DOI：10.13774/j.cnki.kjtb.2011.03.014

• 聚丙烯
• 熔融指数
• 软测量
• 组合神经网络
• 最大绝对预测误差 polypropylene
• melt index
• soft sensor
• stacked neural networks
• maximum absolute prediction error

针对聚丙烯熔融指数软测量建模问题,提出了一种基于最小化最大绝对预测误差的组合神经网络软测量建模方法,并将该方法应用于聚丙烯熔融指数软测量研究中。通过建立多个不同结构的BP神经网络模型,并合理组合各个模型,可显著改善单一神经网络模型的泛化能力。鉴于合适的组合权重对取得良好预测性能是至关重要的,因此提出将最小化最大绝对预测误差作为控制预测精度的目标,来选择合适的组合权重。聚丙烯熔融指数软测量研究结果表明:通过与各个单一神经网络模型的预测精度比较,采用该方法建立的聚丙烯熔融指数组合神经网络软测量模型具有更佳的预测精度和鲁棒性。

• 出版日期2011
• 单位浙江工业大学