基于EGK' M-RBF网络的顺丁橡胶门尼黏度预测.pdfVIP

基于EGK' M-RBF网络的顺丁橡胶门尼黏度预测.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
笫 62卷 第 8期 化 工 学 报 V01.62 No.8 :{011年8月 CIESC Journal August 2011 基于 EGK’M-RBF网络的顺丁橡胶 门尼黏度预测 李大字 ,钱 丽 ,王淑红 ,靳其兵 (北京化工大学信息科学与技术学院,北京 100029;。北京燕 山石化公司橡胶厂,北京 102500) 摘要:提出一种基于增强的全局 K’。means算 法 (EGK’M)一RBF网络 的建模方法,该方法采用作者提出的 EGK’M来确定 RBF网络隐含层 的结构,包括隐含层 中心个数、中心位置 以及隐含层扩展常数 ,采用 KPCA提 取非线性特征信息,实现辅助变量的二次选择。并与基于PCA和 EGK’M—RBF网络模型、基于 KPCA和 K— means算法的RBF网络模型进行比较,模型验证结果证明本文所提出的模型具有更好的预测能力,更小的泛化 绝对误差和均方误差 。 关键词 :改进 的全局 K’-means算法 ;核主元分析法 ;门尼黏度 ;RBF网络 DOI:10.3969/j.issn.0438—1157.2011.08.049 中图分类号 :TP273 文献标志码 :A 文章编号:0438—1157 (2011)08—2367—05 EstimationofM ooneyviscosityofpolybutadienerubberbased onEGK ’M —RBF network LIDazi。QIANLi,WANGShuhongz。JINQibing (CollegeofInformationScienceandTechnology,BeijingUniversityofChemicalTechnology,Beijing100029,China; SyntheticRubberDepartment,BeijingYanshanPetrochemicalEngineeringCompany,Beijing102500,China) Abstract:A modeling method byradialbasisfunction (RBF) network basedon enhanced globa1K ’一 meansalgorithm (EGK’M )waspresented.AnEGK’M algorithm wasproposedtodeterminethehidden layerstructureofRBF network,includingthenumberofhidden layernodes,thepositionofeachcenter andthewidthofbasisfunction.KPCA algorithm wasusedtoextractnon—linearfeatureinformationandto achievesecondaryselectionofauxiliaryvariable.Theobtainedmode1wascomparedwith themode1based onprinciple componentsanalysiswith EGK’M —RBF and themodelbasedon KPCA with RBF network basedonK’meansalgorithm.Experimentresultsdemonstratethatthemodelproposedinthispapergives betterpredictiveability,smallerabsoluteerrorandmeansquareerror. Keywords:enhancedEGK’M ;kernelprinciplecomponentsanalysis;M ooneyviscosity;RBF netw

文档评论(0)

ww88606 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档