10.3969/j.issn.1009-0134.2013.23.022
基于改进蚁群神经网络的甲醇合成塔转化率预测
为提高甲醇合成塔转化率的预测精度，提出一种改进蚁群算法（ACO）优化BP神经网络权值和阈值的方法。首先，利用BP神经网络建立起预测模型，然后，以网络的误差为目标函数，用蚁群算法对其权值和阈值进行寻优，再在原有的蚁群算法的基础上加以改进，提高算法总体的精度。将改进蚁群算法（IACO）运用于BP神经网络，较好的提高了BP网络的学习能力和泛化能力，尤其是泛化能力。将改进蚁群神经网络（IACO-BP）模型应用于甲醇合成塔转化率的预测，实验结果表明，该模型能够较好的预测甲醇合成塔的转化率，进一步证明了IACO-BP模型具有很好的泛化能力。
BP神经网络、蚁群算法、泛化能力、甲醇合成塔转化率
TP183(自动化基础理论)
基于增量支持向量机的甲醇合成转化率的预测模型研究NJZY13144
2013-12-24（万方平台首次上网日期，不代表论文的发表时间）
共4页
78-81
