科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对硫回收装置中硫化氢和二氧化硫浓度的实时监控预测问题,提出一种基于改进的深度回声状态网络(DeepESN)软测量建模方法,给出了其离线学习算法。改进的DeepESN网络能够通过多层回声状态网络的结构,可以对具有强非线性特性的化工过程进行有效的深度学习和预测。离线学习算法在求输出权值时加入了岭回归算法,有效地提高了网络学习的稳定性。将该方法在同等条件下与现有的软测量建模方法进行了比较,基于改进的DeepESN软测量建模方法具有更好的学习能力、更高的学习效率和预测精度。
-
单位甘肃兰晶光电科技有限公司
