基于自适应神经网络的芳烃异构化过程建模

针对芳烃异构化过程(AH IP)中影响对二甲苯(PX)产率的因素众多且复杂等特点,提出一种自适应神经网络(Adaptive ANN)以建立AH IP的各因素与PX产率的关联模型。Adaptive ANN将样本分成训练样本和校验样本,并设计过拟合判据参数。通过训练样本对网络进行训练,训练过程中以模型对校验样本的预测性能为指标,通过过拟合判据参数的计算自适应地在获得具有最佳预测性能模型时终止网络训练,克服了传统的神经网络以模型的拟合精度为指标,造成训练时间过长和过拟合等缺点。