基于改进蒙特卡罗算法的低温化验数据分析

作者：余启; 王光义; 陈闯

来源：化学推进剂与高分子材料, 2022, 20(05): 52-55.

DOI：10.16572/j.issn1672-2191.202209051

• 低温化验
• 蒙特卡罗
• MCNNA
• 参数反演
• 干扰因子
• MATLAB仿真

基于改进的蒙特卡罗神经网络算法(MCNNA)，对近五年测定露点的大量数据进行建模分析，针对传统蒙特卡罗算法在计算精度和计算速度之间难以兼顾的问题，在化验数据风险评估方面利用数学建模来处理各因子间交互影响的问题，根据各因子影响的重要程度，对干扰因子进行加权，建立基于多次蒙特卡罗数据的MATLAB仿真测量模型；其中关键技术是对人员操作、取样状况、环境和压力4种主要因素进行优化分权。仿真结果表明，改进的蒙特卡罗算法在低温化验测定露点项目中，能够解决大数据处理的稳定性问题且具备快速的数据分析能力。