10.3969/j.issn.1000-3932.2021.05.016
基于RLS在线学习算法的DeepESN动态软测量建模方法及应用
提出了一种非线性自回归时间序列模型与深度回声状态网络(DeepESN)相结合的动态软测量建模方法,给出了深度回声状态网络的递推最小二乘(RLS)在线学习算法.将该方法应用于预测脱丁烷塔塔底丁烷含量,实现对相关产品质量的实时在线监控.在同等条件下,与回声状态网络(ESN)、泄漏积分回声状态网络(LiESN)的在线软测量建模结果进行比较,该方法的仿真结果显示出更高的预测性能和预测精度.
软测量、丁烷含量预测、脱丁烷塔、深度回声状态网络、时间序列、递推最小二乘
48
TP183(自动化基础理论)
2021-09-22（万方平台首次上网日期，不代表论文的发表时间）
共6页
491-496
