基于改进神经网络集成算法的软测量建模.pdfVIP

维普资讯 第29卷 第 6期 仪 器 仪 表 学 报 Vo1．29No．6 2008年 6月 ChineseJournalofScientificInstrument Jun．2008 基于改进神经网络集成算法的软测量建模米 陈如清 r，俞金寿 (1 嘉兴学院机电工程学院 嘉兴 314001； 2 华东理工大学 自动化研究所 上海 200237) 摘 要 ：为提高神经网络集成中成员网络的精度 、增加成员网络间的差异度，提出一种改进的Bagging神经网络集成算法。通 过分析初始样本集中样本间的欧式距离提取各子训练集 ，子训练集的元素在样本空间具有 良好的遍历性和代表性；集成策略采 用加权平均法，用粒子群优化算法求解成员网络的集成权重。几个典型回归分析型数据集的测试表明，本算法有效提高了训练 样本质量，增强了集成泛化能力。最后将改进算法用于工业乙烯收率神经网络软测量建模，应用结果表明该软测量模型泛化性 能好 ，测量精度高。 关键词：神经网络集成；Bagging；欧式距离；粒子群优化算法 中图分类号：TP273 文献标识码：A 国家标准学科分类代码：510．80 Softsensingmodelingbasedonimprovedneuralnetwork ensemblealgorithm ChenRuqing ，YuJinshou (CollegeofMechanicalandElectricalEng船e而 ，JiaxingUnivemi~，Jiaxing314001，China； 2ResearchInstituteofAutomation，EastChinaUniversityofScienceandTechnology，Shanghai200237，China) Abstract：Toincreasethediversityandaccuracyofthecomponentartificialneuralnetworks(ANNs)inneuralnet— workensemble，animprovedBaggingneural networkensemblealgorithm isproposed．TheEuclideandistancesbe— tweentwoarbitrarysamplesintheoriginal trainingsetareanalyzed，thenthetrainingsubsetsofcomponentANNsare distilledfrom this set．The subsetelementshave good propertiesofergodicity and representativenessin sample space．TheoutputsofcomponentANNsarecombinedviaweightedaveragingandtheoptimal weightsaredetermined byparticleswarm optimization．Experimentalstudiesonfourtypicalregressiondatasetsshow thatthisapproachhas improvedthequalityoftrainingsubsets．Thus，theensemblegeneralizationabilityisimproved．Finallytheimproved algorithm isappliedtoconstructanANN—basedsoftsensingmodelforreal—timemeasurementofethyleneyield．Ap— plicationresultsshow thatthismodelhashighmeasure