微粒群算法优化化工建模训练集.pdfVIP

维普资讯 第 59卷 第 4期 化 工 学 报 Vo1．59 NO．4 2008年 4月 Journal of Chemical Industry and Engineering (China) April 2008 微粒群算法优化化工建模训练集 张运 陶，高世博 (西华 师范大学应用化学研究所 ，四J1I南充 637002) 摘要 ：提出两种均以微粒群 (PSO)算法对原始训练集随机抽样优化 ，再结合机器学习算法建立预测模型的 PSO算法优化化工建模训练集的思路。思路 1首先以模型交叉验证的均方误差函数mse最小为 目标优化训练集， 再通过对验证集预测 ，从平行运行得到的多个优化训练集中确定最优训练集用于建模。思路 2借鉴提高 BP神经 网络泛化能力的初期终止 (earlystop)法 ，以对验证集预测的rnse最小为 目标优化训练集 ，再通过对测试集预 测 ，从平行运行得到的多个优化训练集 中确定最优训练集用于建模 。通过仿真实验研究和对某炼油厂调和汽油 生产数据 的具体分析应用 ，表 明本文思路可 以较大幅度提高模型的预测准确性 ，在化工建模 中具有推广应用 价值 。 关键词 ：微粒群算法 ；优化训练集 ；仿真 ；化工建模 中图分类号 ：TP18；TE6 文献标识码 ：A 文章编号 ：O438—1157(2008)04—0964—06 Particleswarm optimization optimizingtraining setin chemicalengineeringmodeling ZHANG Yuntao，GA0 Shibo (InstituteofAppliedChemistry，ChinaWestNormalUniversity，Nanchong637002，Sichuan，China) Abstract：Twomethodswereproposedtooptimizethetrainingsetofchemicalengineeringmodelingbased on particle swarm optimization (PSO)with random sampling．The forecasting modelwasformed by integratingPSO andothermachine1earningarithmeticwhichwasusedtomode1．Inmethod1theoptim ized traininggetwasacquiredfirstlybyoptimizingthetrainingsetwhichsetthegoalofminimizingthemeanof squarederrors(mse)incrossvalidation，secondlybymakingthepredictiontothevalidationset。andlastly bychoosingtheonethatgavethebestpredictionresultsamongtheoptim izedtrainingsets．Inmethod2the thoughtofearlystopinBPneuralnetworkwasadopted．Theoptimizedtrainingsetwasacquiredfirstlyby optimizing thetraining setwhich setthe goalofminim izing theroseto thevalidation set，secondly by makingthepredictiontothetestingset，andlastlybychoosingtheonethatgavethebestpredictionresults amongtheoptimizedtra