成果信息
本發(fā)明涉及一種基于 SPCA的神經(jīng)網(wǎng)絡(luò)混合優(yōu)化預(yù)測方法。本發(fā)明首先采集化工過程中影響重要變量的過程變量，利用串行主成分分析方法對數(shù)據(jù)做預(yù)處理，結(jié)合主成分分析和核主成分分析方法處理線性和非線性混合數(shù)據(jù)，降低數(shù)據(jù)維度，其次使用RBF神經(jīng)網(wǎng)絡(luò)作為預(yù)測模型，結(jié)合LM算法和遺傳算法對預(yù)測模型的參數(shù)進(jìn)行優(yōu)化，提高預(yù)測模型的性能，最后將預(yù)處理后的數(shù)據(jù)放入優(yōu)化后的預(yù)測模型中，進(jìn)行預(yù)測。不同干傳統(tǒng)的方法，本發(fā)明有處理線性和非線性混合數(shù)據(jù)的能力，且結(jié)合優(yōu)化算法，能夠提高預(yù)測模型精度。 )
背景介紹
本發(fā)明涉及一種基于 SPCA的神經(jīng)網(wǎng)絡(luò)混合優(yōu)化預(yù)測方法。)
應(yīng)用前景
-)
主辦單位： 郴州市科學(xué)技術(shù)局
技術(shù)支持： 長沙諾為信息技術(shù)有限公司
郴州市科學(xué)技術(shù)局版權(quán)所有 ICP備案號： 湘ICP備10209074號-33
公安備案號 ：
43110302000213
