科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对乙烯裂解炉结焦导致裂解炉机理改变，从而引起的模型预测不准确问题，提出一种带有遗忘因子的在线序列简化核极限学习机算法（FOS-RKELM）。该算法基于在线序列的简化核极限学习机，数据可以在线实时添加到网络中，从而提高模型的适应度；通过引入遗忘因子提高最近学习数据对模型的贡献，增强模型在线学习的能力；引入聚类算法优化、简化核极限学习机（RKELM），提高算法的稳定性。结果表明：所提算法在Mackey-Glass时滞混沌序列上取得了较好的预测效果；在乙烯产物收率预测问题上，与在线序列简化核极限学习机（OS-RKELM）、简化核极限学习机（RKELM）、BP神经网络和径向基学习机（RBF）算法相比，该算法平均绝对误差显著减小，证明了该算法的有效性。
- 单位
