原油总碳含量的粒子群优化集成神经网络预测模型
贺婷婷
陆军
丁进良
刘长鑫
1.东北大学 流程工业综合自动化国家重点实验室,辽宁 沈阳,1108192.东北大学 流程工业综合自动化国家重点实验室,辽宁 沈阳,1108193.东北大学 流程工业综合自动化国家重点实验室,辽宁 沈阳,1108194.东北大学 流程工业综合自动化国家重点实验室,辽宁 沈阳,110819
摘要：原油评价新技术的研究和应用成为目前世界石油炼制企业致力发展的方向,也是今后发展的必然趋势.本文采用核磁共振(nuclear magnetic resonance,NMR)光谱技术和粒子群优化集成神经网络(particle swarm optimiza tion-ensemble neural network,PSO-ERNN)建立了一种快速评价原油总碳物性指标预测模型.该模型以随机向量函数连接网络(random vector functional link network,RVFL)作为基本模型,采用正则化负相关学习策略集成基本模型,并采用粒子群优化算法优化各基本模型的最优隐含层节点数(L)以及集成规模的最佳集成个数(M),最后利用在线学习方法对模型进行更新.实例验证表明,所提出的模型显著提高了预报精度,避免了随机选择L和M对模型精度的影响,对提高原油评价精度与效率和及时满足加工炼制要求具有应用价值.
关键词：原油总碳含量预测模型粒子群集成学习神经网络核磁共振
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(61590922)国家自然科学基金(61525302)国家自然科学基金(61621004)
论文发表日期：2019-01-01
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：7( 192-198 )
英文信息