BP神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介及相關(guān)優(yōu)化案例_第1頁(yè)
BP神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介及相關(guān)優(yōu)化案例_第2頁(yè)
BP神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介及相關(guān)優(yōu)化案例_第3頁(yè)
BP神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介及相關(guān)優(yōu)化案例_第4頁(yè)
BP神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介及相關(guān)優(yōu)化案例_第5頁(yè)
免費(fèi)預(yù)覽已結(jié)束,剩余4頁(yè)可下載查看

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、華東理工大學(xué)2016-2017學(xué)年第2學(xué)期研究生石油化工單元數(shù)學(xué)模型課程論文2017年6月開(kāi)課學(xué)院:化工學(xué)院任課教師:歐陽(yáng)福生考生姓名:丁桂賓學(xué)號(hào):Y45160205成績(jī):論文題目:BP神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介及相關(guān)優(yōu)化案例論文要求:教師評(píng)語(yǔ):教師簽字:BP神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介及相關(guān)優(yōu)化案例一、神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介現(xiàn)代神經(jīng)生理學(xué)和神經(jīng)解剖學(xué)的研究結(jié)果表明,人腦是極其復(fù)雜的,由約1010個(gè)神經(jīng)元交織在一起,構(gòu)成一個(gè)網(wǎng)狀結(jié)構(gòu)。它能完成諸如智能、思維、情緒等高級(jí)精神活動(dòng),被認(rèn)為是最復(fù)雜、最完美、最有效的一種信息處理系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)(ArtficialNeuralNetworks,以下簡(jiǎn)寫(xiě)為NN)是指模擬人腦神經(jīng)系

2、統(tǒng)的結(jié)構(gòu)和功能,運(yùn)用大量的處理部件,通過(guò)數(shù)學(xué)方法,由人工方式構(gòu)造的網(wǎng)絡(luò)系統(tǒng)1。圖1表示作為NN基本單元的神經(jīng)元模型,它有三個(gè)基本要素2:(1) 一組連接權(quán)(對(duì)應(yīng)于生物神經(jīng)元的突觸),連接強(qiáng)度由各連接上的權(quán)值表示,權(quán)值為正表示激勵(lì),為負(fù)表示抑制。(2) 一個(gè)求和單元,用于求取各輸入信息的加權(quán)和(線性組合)。(3) 一個(gè)非線性激勵(lì)函數(shù),起非線性映射作用并限制神經(jīng)元輸出幅度在一定的范圍內(nèi)(一般限制在0,1或-1,+1之間)。圖1神經(jīng)元模型此外還有一個(gè)閾值(或偏置bk=k)0以上作用可以用數(shù)學(xué)式表達(dá)為:PUk=WkjXjj=J.vk=uk一瓦.yk=(Vk)式中Xl,X2,X3,,XP為輸入信號(hào),Wk

3、1,Wk2,Wk3,M為神經(jīng)元k的權(quán)值,見(jiàn)為線性組合結(jié)果,為閾值。中。為激勵(lì)函數(shù),猿為神經(jīng)元k的輸出。神經(jīng)網(wǎng)絡(luò)理論突破了傳統(tǒng)的、串行處理的數(shù)字電子計(jì)算機(jī)的局限,是一個(gè)非線性動(dòng)力學(xué)系統(tǒng),并以分布式存儲(chǔ)和并行協(xié)同處理為特色,雖然單個(gè)神經(jīng)元的結(jié)構(gòu)和功能極其簡(jiǎn)單有限,但是大量的神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所實(shí)現(xiàn)的行為卻是極其豐富多彩的。二、BP神經(jīng)網(wǎng)絡(luò)模型BP網(wǎng)絡(luò)(Back-PropagationNetwork),即反向傳播網(wǎng)絡(luò),是一種將W-H學(xué)習(xí)規(guī)則一般化,對(duì)非線性可微分函數(shù)進(jìn)行權(quán)值訓(xùn)練的多層網(wǎng)絡(luò)權(quán)值的調(diào)整采用反向傳播(Back-propagation)的學(xué)習(xí)算法。它是一種多層前向反饋神經(jīng)網(wǎng)絡(luò),其神經(jīng)元的變

4、換函數(shù)是S型函數(shù)輸出量為0到1之間的連續(xù)量,它可實(shí)現(xiàn)從輸入到輸出的任意的非線性映射。當(dāng)一對(duì)學(xué)習(xí)樣本提供給網(wǎng)絡(luò)后,神經(jīng)元的激活值從輸入層經(jīng)各中間層向輸出層傳播,在輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)。接下來(lái),按照減少目標(biāo)輸出與實(shí)際誤差的方向,從輸出層經(jīng)過(guò)各中間層逐層修正各連接權(quán)值。最后回到輸入層,這種算法稱(chēng)為“誤差逆?zhèn)鞑ニ惴ā保碆P算法。隨著這種誤差逆的傳播修正不斷進(jìn)行,網(wǎng)絡(luò)對(duì)輸入模式響應(yīng)的正確率但不斷上升3。BP神經(jīng)網(wǎng)絡(luò)模型如圖2輸入底層輸HI肥輸入底層輸HI肥圖2BP神經(jīng)網(wǎng)絡(luò)模型典型的BP神經(jīng)網(wǎng)絡(luò)包含3層:輸入層、隱含層、輸出層,是一種前向階層型神經(jīng)網(wǎng)絡(luò)4。每一層由若干神經(jīng)元w點(diǎn))組成,每一

5、個(gè)神經(jīng)元的作用是計(jì)算該神經(jīng)元所有輸入的權(quán)重和,并通過(guò)特定的輸出函數(shù)-激勵(lì)函數(shù)輸出。激勵(lì)函數(shù)般是非減和可微函數(shù),最常用的激勵(lì)函數(shù)是S函數(shù)和線性函數(shù),S函數(shù)方程式為:.1f(X)=U以一個(gè)隱含層的BP網(wǎng)絡(luò)為例,從輸人到輸出的映射過(guò)程為:ninhin,j=(.WijX)bh,ji4hbut,j=S(hn,j)nhidYin,k二,Wjkhout,j)-by,kj1yk-S(yin,k)式中,X輸入信號(hào);hin和卜疝分別是隱含層節(jié)點(diǎn)的輸入值和輸出值;yin輸出層節(jié)點(diǎn)的輸入值;y輸出信號(hào);w節(jié)點(diǎn)之間的連接權(quán)重;b節(jié)點(diǎn)的閾值;nin,nhid分別為輸入層和隱含層的節(jié)點(diǎn)數(shù)。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程是由信息的正

6、向傳播和誤差的反向傳播兩個(gè)過(guò)程組成的。外界的輸入信息通過(guò)輸入層、隱含層和輸出層的計(jì)算后得到實(shí)際結(jié)果,當(dāng)實(shí)際結(jié)果和期望結(jié)果不符時(shí),按誤差梯度下降的方式修正各層權(quán)值,并向隱含層和輸入層反向傳播。不斷反復(fù)的信息正向傳播和誤差反向傳播過(guò)程是各層權(quán)值不斷調(diào)整的過(guò)程,也是神經(jīng)網(wǎng)絡(luò)不斷學(xué)習(xí)的過(guò)程,直到網(wǎng)絡(luò)輸出與實(shí)際輸出誤差達(dá)到精度以?xún)?nèi)或者是網(wǎng)絡(luò)學(xué)習(xí)達(dá)到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止5。三、優(yōu)化案例3.1BP神經(jīng)網(wǎng)絡(luò)在MIP工藝過(guò)程產(chǎn)品分布優(yōu)化中的運(yùn)用6以某煉油廠1.0Mt/a的MIP裝置反應(yīng)-再生系統(tǒng)為研究對(duì)象,選取包括原料油性質(zhì)、再生劑性質(zhì)、操作條件的19個(gè)變量為神經(jīng)網(wǎng)絡(luò)模型的輸入變量,液化氣、汽油、柴油、焦炭收

7、率為輸出變量,建立19-24-4結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò),在此基礎(chǔ)上考察原料油預(yù)熱溫度、第一反應(yīng)區(qū)(一反)出口溫度、第二反應(yīng)區(qū)(二反)出口溫度、反應(yīng)壓力對(duì)產(chǎn)品分布的影響,并采用遺傳算法得到使汽油收率最優(yōu)的操作條件。32組模型驗(yàn)證樣本的相對(duì)誤差統(tǒng)計(jì)見(jiàn)表1。由表1可知:液化氣、柴油收率和焦炭產(chǎn)率的相對(duì)誤差只有4組樣本大于10%,而小于5%的樣本占多數(shù);汽油收率的相對(duì)誤差較小,除1組樣本大于5%外,其余樣本的相對(duì)誤差都在5%以?xún)?nèi);液化氣、汽油、柴油收率和焦炭產(chǎn)率的平均相對(duì)誤差都小于5%,說(shuō)明所建立的神經(jīng)網(wǎng)絡(luò)模型的外推性較好。表1.32組驗(yàn)證樣本的相對(duì)誤差統(tǒng)計(jì)誤差小于5%誤差5%10%誤差大于10%平均相對(duì)

8、誤產(chǎn)品的樣本數(shù)的樣本數(shù)的樣本數(shù)差,%液化氣23724.18汽油31101.49柴油25613.58焦炭23813.50通過(guò)建立的BP神經(jīng)網(wǎng)絡(luò),分別考察原料油預(yù)熱溫度,反應(yīng)溫度以及反應(yīng)壓力對(duì)產(chǎn)品分布的影響情況,模擬結(jié)果與實(shí)際情況擬合良好,說(shuō)明此模型可靠性比較高。在此基礎(chǔ)之上,利用遺傳算法進(jìn)行優(yōu)化,獲得較好的汽油收率下的反應(yīng)-再生系統(tǒng)操作條件。3.2以BP-ANN模型為基礎(chǔ)的操作優(yōu)化7以建立FCC分儲(chǔ)塔的粗汽油干點(diǎn)模型為例,選取了7個(gè)輸入?yún)?shù):反應(yīng)-再生系統(tǒng)的原料油流量和反應(yīng)溫度、分儲(chǔ)塔頂溫度和壓力、頂循環(huán)抽出量和抽出溫度、氣提蒸汽量。其中,原料油流量和反應(yīng)溫度對(duì)于分儲(chǔ)系統(tǒng)來(lái)說(shuō)是不可調(diào)控的,為操作

9、工況,其余為操作條件;1個(gè)輸出參數(shù),即粗汽油的干點(diǎn);1個(gè)隱含層,包含8個(gè)隱節(jié)點(diǎn);從廠方提供的實(shí)際數(shù)據(jù)中選取了10組樣本對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,廠方要求模型預(yù)測(cè)的干點(diǎn)值與實(shí)際化驗(yàn)值之間的偏差小于2C,經(jīng)過(guò)訓(xùn)練,模型對(duì)這10組樣本的預(yù)測(cè)效果均達(dá)到要求。在實(shí)際生產(chǎn)中,粗汽油干點(diǎn)一般保持在195c和205c之間,而當(dāng)干點(diǎn)控制在205c時(shí),油收率最大,經(jīng)濟(jì)效益最高。通過(guò)已經(jīng)建立的BP-ANN模型,確定優(yōu)化的目標(biāo)函數(shù)為:mint=(y-205)2在所用的100組樣本中選取合適的初值點(diǎn),利用梯度搜索法進(jìn)行計(jì)算得到最佳的操作條件,如下表2表2最佳操作條件123分儲(chǔ)塔頂溫/C113.043114.435116.10

10、6分儲(chǔ)塔頂壓/kPa140.754123.100126.618頂循環(huán)抽出量/(t/h)185.476193.427177.694定循環(huán)抽出溫度/C163.007154.487150.605氣提蒸汽量/(t/h)3.243414.543632.94378四、結(jié)論神經(jīng)網(wǎng)絡(luò)模型可以對(duì)龐大的化工實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理,尋找到隱藏在大量數(shù)據(jù)之下的化工生產(chǎn)規(guī)律,其中又以BP網(wǎng)絡(luò)應(yīng)用最廣泛。BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)了一個(gè)從輸入到輸出的映射功能,而數(shù)學(xué)理論已證明它具有實(shí)現(xiàn)任何復(fù)雜非線性映射的功能。這使得它特別適合于求解內(nèi)部機(jī)制復(fù)雜的問(wèn)題并且網(wǎng)絡(luò)能通過(guò)學(xué)習(xí)帶正確答案的實(shí)例集自動(dòng)提取“合理的”求解規(guī)則,即具有自學(xué)習(xí)能力。同時(shí)BP網(wǎng)絡(luò)具有一定的外推能力。參考文獻(xiàn):1周春光,梁艷春.計(jì)算智能:人工神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)進(jìn)化計(jì)算-第3版M.吉林大學(xué)出版社,2009.2王漢林.灰色神經(jīng)網(wǎng)絡(luò)模型的建立及其在復(fù)雜非線性預(yù)測(cè)問(wèn)題中的應(yīng)用D.吉林大學(xué),2004.3呂硯山,趙正琦.BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化及應(yīng)用研究J.北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版),2001,28(1):67-69.4姚曉麗.人工神經(jīng)網(wǎng)絡(luò)在石油化工過(guò)程優(yōu)化操作中的應(yīng)用研究D.北京:清華

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論