成果信息
本發(fā)明公開(kāi)了一種焦化爐壓力的多目標(biāo)遺傳算法與RBF 神經(jīng)網(wǎng)絡(luò)優(yōu)化建模方法。本發(fā)明通過(guò)采集過(guò)程對(duì)象的輸入輸出數(shù)據(jù),結(jié)合RBF神經(jīng)網(wǎng)絡(luò)模型,使用改進(jìn)的MOEA優(yōu)化神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)層和參數(shù)。本發(fā)明具有較高的精確性,能很好地描述過(guò)程對(duì)象的動(dòng)態(tài)特性。 )
背景介紹
本發(fā)明公開(kāi)了一種焦化爐壓力的多目標(biāo)遺傳算法與RBF 神經(jīng)網(wǎng)絡(luò)優(yōu)化建模方法)
應(yīng)用前景
-)