基于DEBP模糊神经网络的醇烯比值控制研究

在炼油厂轻汽油醚化系统中醇烯比值对烯烃转化率的影响较大,由于实际生产中醇烯比值控制过程具有非线性和大滞后特性,因此传统的PID控制方式对于醇烯比值的控制效果不够稳定。该文提出将基于DEBP算法的模糊神经网络用于轻汽油醚化系统醇烯比值的控制当中。对反应釜内的醇烯比值控制过程构建数学模型,建立模糊神经网络控制器,将差分进化算法与BP算法进行组合形成DEBP算法,利用此算法对模糊神经网络参数进行优化,仿真验证了基于DEBP算法的模糊神经网络控制比传统PID控制效果更好。

基于DEBP的GPS高程拟合在济宁矿区沉降精细化监测的应用

为减少济宁矿区开采过程存在的安全隐患,拟对济宁矿区沉降进行精细化变形监测,并建立预测模型。鉴于传统的BP神经网络算法存在的局部最优点、收敛困难、反演精度难以确定的问题,模型采用DEBP算法,结合DE算法和BP神经网络算法的优势,在收敛速度、精度以及稳定性方面都有提高。对比发现:基于DEBP的GPS高程拟合的预测模型,在济宁矿区沉降监测应用中能够有效提高监测精度,高达厘米级;结合灰度模型进行矿区沉降预测,通过监测结果可知,模型预测值与实测值一致性较好,表明该模型可用于矿区沉降预测,对于保护矿区具有重要的使用价值。