基于DAK-FNN的出水氨氮软测量建模方法
张伟
张春辉
河南理工大学 电气工程与自动化学院,河南 焦作 454000
摘要：针对因出水氨氮实时数据不完备建立的模型性能较差问题,在迁移学习框架下,提出一种基于数据与知识驱动的模糊神经网络(data-knowledge-driven fuzzy neural network,DAK-FNN)出水氨氮软测量建模方法.首先,为有效结合源场景已有知识和当前场景数据,提出一种基于迁移学习思想的知识传递方法,将从大量历史数据获取的参考模型蕴含的知识传递到目标模型,并利用在线学习的方式微调目标模型参数,提高模型精度.此外,提出一种基于长短时记忆机制的结构调整方法,将目标模型神经元分为核心神经元与非核心神经元,通过设定不同的神经元增删阈值调整结构,提高模型泛化性能.出水氨氮预测实验结果表明,与其他方法相比,所提方法具有更高的在线预测精度和更好的实时性.
关键词：模糊神经网络数据驱动知识驱动微调出水氨氮软测量
分类号：TP301(计算技术、计算机技术)
资助基金：国家自然科学基金(61703145)河南省科技攻关项目(222102210213)河南省高校科技创新团队项目(20IRTSTHN019)
论文发表日期：2023-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 134-143,159 )
英文信息