基于学习型人工蜂群算法优化双向GRU的乙烯产率预测
温在鑫1
钱斌2
胡蓉2
金怀平1
杨媛媛1
1.昆明理工大学信息工程与自动化学院,云南昆明 6505002.昆明理工大学信息工程与自动化学院,云南昆明 650500;昆明理工大学云南省人工智能重点实验室,云南昆明 650500
摘要：本文针对以乙烯产率为生产指标的预测问题,基于双向门控循环单元网络(BGRU)建立乙烯产率预测模型,以最小化模型误差为优化目标并提出一种学习型人工蜂群算法(LABC)对预测模型进行优化和设计.在构建BGRU预测模型时,先对乙烯裂解炉实际生产过程进行分析,确定影响产率的关键因素并将其作为模型的输入;再采用LABC对BGRU网络模型的结构、初始权值和阈值、训练比和动量因子进行全面的优化和设计.在LABC中,首先根据人工蜂群算法(ABC)特点构建强化学习(RL)框架下的状态集、动作集、奖励函数和最优混合搜索策略,在此基础上,提出一种深度双Q网络(DDQN)来实现最优混合搜索策略,通过该策略可智能选择合适的搜索动作来执行针对不同状态的局部搜索.本文通过在标准数据集和实际生产数据上的测试及算法对比,验证了所提学习型人工蜂群算法优化的双向GRU网络(LABC_BGRU)模型具有预测精度高、适用性强的特性.
关键词：深度强化学习双向GRU人工蜂群算法乙烯裂解炉生产能力预测
论文发表日期：2023-10-28
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( 1746-1756 )
英文信息