PLS-BP法定量分析火灾中的常见有毒有害气体

针对火灾和材料燃烧中常见的有毒有害气体,选取低浓度的CO、CO2、NO、NO2、SO2、HCl、HBr、HCN八种典型气体同时进行定量分析。基于傅里叶变换红外光谱技术(FTIR),设计可靠实验系统和实验过程控制,准确得到气体的光谱数据。通过合理去除干扰光谱区间、筛选样本、选择模型参数等,建立BP-PLS回归模型,并对未知样本进行预测,各组分的校正误差均方根RMSEC达到4×10-6以下,预测可决系数R2均达到0.95以上。通过将PLS-BP模型与经典的线性模型经典最小二乘(CLS)和偏最小二乘(PLS)进行比较,PLS-BP模型在非线性拟合能力和预测性能两方面明显高于经典线性模型CLS和PLS。

红外光谱法结合PLS-BP网络对在用油中燃油稀释的测定

采用红外光谱法建立PLS-BP模型检测在用润滑油燃油稀释的含量。在新润滑油中加入柴油配制柴油含量在0~8%的标准样品,采集样品光谱。经光谱特征分析,选择1500~680 cm^(-1)为建模区间,对光谱进行一阶微分和SG平滑处理,净化谱图信息。基于PLS回归系数选择10个特征波数建立BP神经网络模型,经反复试验寻优,隐含层神经元个数为10,最小均方误差为2.8×10^(-8),学习速率为0.04,模型Rp达到0.9642,SEP为0.5716%。对在用油样品进行加标回收试验,回收率在92.6%~107.2%。结果表明:PLS-BP模型可以用于在用油柴油稀释的检测。

连续催化重整反应器结焦含量软测量

对连续催化重整反应器结焦含量软测量问题进行研究。首先从工艺机理分析出发 ,找出影响结焦含量的主要参数 ,初步确定软测量建模辅助变量 ,并采用 BP算法进行神经网络训练 ,建立结焦含量软测量模型。然后采用 PLS- BP算法重新训练 ,得到新的结焦含量软测量模型 ,以改进模型结构。最后对模型校正后在现场使用 。

连续催化重整装置辛烷值软测量研究

:研究连续催化重整生产过程中重整产品辛烷值软测量问题。首先结合工艺机理分析,找出影响辛烷值的主要参数,确定为辅助变量,建立起基于BP神经网络的辛烷值软测量模型。其次再采用PLS-BP算法改进模型结构,建立起基于PLS-BP神经网络的辛烷值软测量模型,可以看出PLS-BP所建模型结构相对简单,更适用于实际过程。最后对模型校正后在现场使用,结果表明测量结果令人满意。

基于统计模式识别的优化BP网络在20MnVB钢冲击韧度预测中的应用

用模式识别和人工神经网络建立了20MnVB钢的化学成分与其冲击韧度之间的PLS-BP降维网络模型,用这种方法预测了20MnVB钢的冲击韧度,并与PLS回归方程的预测结果进行了比较。结果表明:所建PLS-BP网络能较准确预测20MnVB钢的冲击韧度,这为研究20MnVB钢冲击韧度提供了一种有效的方法。此外,用训练好的PLS-BP网络模型分析了合金元素B和V的含量对20MnVB钢冲击韧度的影响。

重整产品液收率软测量

针对连续重整反应器 ,分别采用改进算法的 BP神经网络、PLS- BP神经网络和小波神经网络建立重整产品液收率软测量模型。经比较后发现小波神经网络所建模型拟合及预测效果最好 ,因此将其用于实际生产装置。使用结果表明该模型可以实时准确预测重整产品液收率。

基于高光谱数据的天山北坡积雪孔隙率反演研究

以新疆天山北坡中段典型流域季节性积雪为研究对象,基于高光谱遥感监测技术,分析了融雪期积雪孔隙率与光谱反射率的相关性。采用偏最小二乘法(PLS)对相关性较高的波段进行压缩,并提取贡献率最高的前四个主成分,以此用来确定神经网络的隐含节点数、输入层、输出层的初始权值,建立PLS-BP模型进行积雪孔隙率反演研究。结果表明:当隐含节点数为3,模型的线性确定相关系数(R^2)较高为0.915 9,RMSE为0.04,相对误差为0.23。与传统偏最小二乘回归(PLSR)、主成分回归(PCA)建模方法相比,精度较高,所建定量模型可用于高光谱遥感反演积雪孔隙率。