最优加权融合SO<sub>2</sub>转化率预测模型

王宁宁

doi:10.3969/j.issn.2095-476X.2015.3/4.030

CN 41-1437/TS ISSN 2096-1553

最优加权融合SO₂转化率预测模型

王宁宁

王宁宁. 最优加权融合SO2转化率预测模型[J]. 轻工学报, 2015, 30(3-4): 138-141. doi: 10.3969/j.issn.2095-476X.2015.3/4.030

引用本文: 王宁宁. 最优加权融合SO2转化率预测模型[J]. 轻工学报, 2015, 30(3-4): 138-141. doi: 10.3969/j.issn.2095-476X.2015.3/4.030

WANG Ning-ning. Optimal weighted fusion SO2 conversion ratio predication model[J]. Journal of Light Industry, 2015, 30(3-4): 138-141. doi: 10.3969/j.issn.2095-476X.2015.3/4.030

Citation: WANG Ning-ning. Optimal weighted fusion SO2 conversion ratio predication model[J]. Journal of Light Industry, 2015, 30(3-4): 138-141. doi: 10.3969/j.issn.2095-476X.2015.3/4.030

最优加权融合SO₂转化率预测模型

王宁宁

阿坝师范学院党委办公室, 四川汶川 623002
基金项目: 四川省教育厅科研项目(14ZB0339)
中图分类号: TP391;TQ111

Optimal weighted fusion SO₂ conversion ratio predication model

WANG Ning-ning

Party Committee Office, Aba Teachers University, Wenchuan 623002, China
Received Date: 2014-12-03
Available Online: 2015-09-15
CLC number: TP391;TQ111

摘要: 以冶炼烟气制酸SO₂转化率为研究对象,针对单一BP或RBF神经网络,预测SO₂转化率存在的过学习或网络速度收敛慢的问题,利用最优均方误差加权融合算法对两种单一神经网络进行融合,从而构建更优的SO₂转化率预测模型.仿真结果表明:最优均方误差加权融合模型避免了单一模型信息的缺失,实现了信息互补,从而提高了SO₂转化率预测精度.
- 神经网络 /
- 冶炼烟气制酸 /
- SO₂转化率 /
- 信息融合 /
- 最优加权融合
Abstract: Selecting SO₂ conversion ratio of metallurgical off-gases making acid as the research object, in order to solve the problem of over learning or slow network convergence speed existed in using single BP or RBF neural network to predict SO₂ conversion ratio,the optimal mean square error weighted fusion algorithm was used to achieve fusion of two kinds of neural network and construct the better SO₂ conversion ratio predication model. The simulation results showed that the optimal mean square error weighted fusion model avoided the lack of information of the single model,realized the complementation of information and effectively improved the SO₂ conversion ratio predication precision.
- neural network /
- metallurgical off-gases making acid SO₂ conversion ratio /
- information fusion /
- optimal weighted fusion /
1. [1]
  孙治忠,谢成,柴瑾瑜.金川公司冶炼烟气制酸技术创新回顾[J].硫酸工业,2014(2):10.
2. [2]
  潘立登,李大字.软测量技术原理与应用[M].北京:中国电力出版社,2009:1-4.
3. [3]
  周品.MATLAB神经网络设计与应用[M].北京:清华大学出版社,2013:153-184.
4. [4]
  王芹,王晓东,吴建德,等.神经网络和SVM多传感器融合的隧道CO体积分数研究[J].传感器与微系统,2012(7):6.
5. [5]
  黄清容.云铜冶炼烟气制酸系统DCS控制系统的升级改造[D].昆明:昆明理工大学,2010:4-12.
6. [6]
  李东玉,王睿.基于BP神经网络的阀控铅酸盐蓄电池劣化程度预测[J].郑州轻工业学院学报:自然科学版,2012,27(4):12.
7. [7]
  潘泉,王增福,梁彦,等.信息融合理论的基本方法与进展(Ⅱ)[J].控制理论与应用,2012(10):1233.
8. [8]
  李伟,何鹏举,高社生.多传感器加权信息融合算法研究[J].西北工业大学学报:自然科学版,2010(5):674.
1. [1]
  李艳坤 , 张伟 , 刘彦伶 . 数据融合策略在食用油真实性鉴别中的研究与应用进展. 轻工学报, 2024, 39(5): 50-59. doi: 10.12187/2024.05.006
2. [2]
  费致根 , 鲁豪 , 宋晓晓 , 赵鑫昌 , 郭兴 , 肖艳秋 . 基于改进ResNet网络的烟丝输送带洁净度分类模型. 轻工学报, 2024, 39(5): 71-77. doi: 10.12187/2024.05.008
3. [3]
  赵悦 , 闫清泉 , 李玲玉 , 司阔林 , 宗学醒 . 钙螯合盐对牛奶-豌豆双蛋白再制干酪品质的影响. 轻工学报, 2024, 39(5): 1-8. doi: 10.12187/2024.05.001
4. [4]
  李浩佳 , 贺诗华 , 曹艺泽 , 郭西玉 , 朱由余 , 赵玮钦 , 黄淳 . 以碳量子点为荧光信号的生物传感器构建及其在金银花 Pb²⁺ 检测中的应用. 轻工学报, 2024, 0(0): -.

点击查看大图

计量

PDF下载量: 28
文章访问数: 1159
引证文献数: 0

通讯作者: 陈斌, bchen63@163.com

1.
沈阳化工大学材料科学与工程学院沈阳 110142

王宁宁. 最优加权融合SO2转化率预测模型[J]. 轻工学报, 2015, 30(3-4): 138-141. doi: 10.3969/j.issn.2095-476X.2015.3/4.030

引用本文: 王宁宁. 最优加权融合SO2转化率预测模型[J]. 轻工学报, 2015, 30(3-4): 138-141. doi: 10.3969/j.issn.2095-476X.2015.3/4.030

WANG Ning-ning. Optimal weighted fusion SO2 conversion ratio predication model[J]. Journal of Light Industry, 2015, 30(3-4): 138-141. doi: 10.3969/j.issn.2095-476X.2015.3/4.030

Citation: WANG Ning-ning. Optimal weighted fusion SO2 conversion ratio predication model[J]. Journal of Light Industry, 2015, 30(3-4): 138-141. doi: 10.3969/j.issn.2095-476X.2015.3/4.030

最优加权融合SO₂转化率预测模型

王宁宁

阿坝师范学院党委办公室, 四川汶川 623002

收稿日期: 2014-12-03
网络出版日期: 2015-09-15

基金项目: 四川省教育厅科研项目(14ZB0339)

关键词:

摘要: 以冶炼烟气制酸SO₂转化率为研究对象,针对单一BP或RBF神经网络,预测SO₂转化率存在的过学习或网络速度收敛慢的问题,利用最优均方误差加权融合算法对两种单一神经网络进行融合,从而构建更优的SO₂转化率预测模型.仿真结果表明:最优均方误差加权融合模型避免了单一模型信息的缺失,实现了信息互补,从而提高了SO₂转化率预测精度.