公共文化服务平台

贺彦林: 作品数：65 被引量：83H指数：6; 供职机构：北京化工大学更多>>; 发文基金：国家自然科学基金中央高校基本科研业务费专项资金国家重点实验室开放基金更多>>; 相关领域：自动化与计算机技术化学工程机械工程石油与天然气工程更多>>

合作作者

基于PLS模型与PCA贡献度融合的在线报警分析方法: 本发明公开了一种基于PLS模型与PCA贡献度融合的在线报警分析方法，包括：获取工业数据，根据工业流程对整体系统进行分块处理，根据多关联模块偏最小二乘法分别对子模块进行建模分析，根据主元分析法获得每个子模块对整体系统的实时...; 朱群雄林崇阳骆意徐圆贺彦林; 文献传递

基于改进ELM的递归最小二乘时序差分强化学习算法及其应用被引量：6: 2017年; 针对值函数逼近算法对精度及计算时间等要求,提出了一种基于改进极限学习机的递归最小二乘时序差分强化学习算法。首先,将递推方法引入到最小二乘时序差分强化学习算法中消去最小二乘中的矩阵求逆过程,形成递推最小二乘时序差分强化学习算法,减少算法的复杂度及其计算量。其次,考虑到LSTD(0)算法收敛速度慢,加入资格迹增加样本利用率提高收敛速度的算法,形成LSTD(λ)算法,以保证在经历过相同数量的轨迹后能收敛于真实值。同时,考虑到大部分强化学习问题的值函数是单调的,而传统ELM方法通常运用具有双侧抑制特性的Sigmoid激活函数,增大了计算成本,提出采用具有单侧抑制特性的Softplus激活函数代替传统Sigmoid函数,以减少计算量提高运算速度,使得该算法在提高精度的同时提高了计算速度。通过与传统基于径向基函数的最小二乘强化学习算法和基于极限学习机的最小二乘TD算法在广义Hop-world问题的对比实验,比较结果证明了所提出算法在满足精度的条件下有效提高了计算速度,甚至某些条件下精度比其他两种算法更高。; 徐圆黄兵明贺彦林; 关键词：激活函数递归最小二乘算法函数逼近

基于数据属性划分的递阶ELM研究及化工应用: 极限学习机(ELM)不能有效处理化工过程中强耦合、带噪声的高维数据建模问题,提出了一种基于数据属性划分的递阶ELM神经网络DHELM.该神经网络采用数据属性划分(DAD)方法对高维输入进行聚类、建立自联想子网,并将自联想...; 高慧慧贺彦林彭荻朱群雄; 关键词：化工过程高维数据自联想神经网络

基于多激活函数的ELM集成模型在化工建模中的应用: 本发明公开了一种基于多激活函数的ELM集成模型在化工建模中的应用，首先获得生产数据，进行数据预处理，随机生成五组输入权值，选择五个不同的激活函数，获得隐含层与输出层之间的权重，对PTA过程醋酸消耗进行建模，根据ELM集成...; 朱群雄张晓晗贺彦林徐圆汪平江; 文献传递

一种基于样方法和分位数回归的虚拟样本生成方法: 本发明公开了一种基于样方法和分位数回归的虚拟样本生成方法，所述虚拟样本生成方法基于自变量的相对重要性，采用样方法对原始样本的输入空间进行划分，在稀缺位置生成虚拟样本的输入，通过高斯过程回归预测虚拟样本的输出，再利用分位数...; 朱群雄朱梅玉贺彦林徐圆张洋

一种乙烯生产过程小样本的软测量方法: 本发明公开了一种乙烯生产过程小样本的软测量方法，采用加入高斯白噪声的AANN进行数据校正，生成虚拟样本，扩充样本数据，解决样本数量不足，数据分布不平衡问题；采用ELM进行数据建模，建立智能软测量仪表与乙烯产品单耗模型。本...; 贺彦林邹童朱群雄徐圆

基于PLS模型与PCA贡献度融合的在线报警分析方法: 本发明公开了一种基于PLS模型与PCA贡献度融合的在线报警分析方法，包括：获取工业数据，根据工业流程对整体系统进行分块处理，根据多关联模块偏最小二乘法分别对子模块进行建模分析，根据主元分析法获得每个子模块对整体系统的实时...; 朱群雄林崇阳骆意徐圆贺彦林; 文献传递

基于PCA-DEA的乙烯装置能效分析被引量：7: 2015年; 由于影响乙烯装置能耗的因素较多，有必要采用相关分析筛选与乙烯装置能效相关的因素，以确保分析的全面性与有效性。数据包络分析（DEA）作为一种非参数的效率优化分析，适用于多输入多输出系统的特点能够综合考虑乙烯能效评估中的多因素影响。输入输出指标过多或存在不当指标，则会导致 DEA 分辨率过低，需要对输入输出指标降维。为此，提出采用主元分析（PCA）降维的PCA-DEA法，并将该PCA-DEA法应用于某乙烯装置以2001～2010年的月实际生产数据为依据的能效分析中，得到比单纯选用主要指标的DEA算法和未采取PCA降维的DEA算法更好的能效分析结果。通过与单位综合能耗（SEC）对比，验证了PCA-DEA方法的有效性，为乙烯装置能效分析的准确性提供了更为实用的方法。; 朱群雄陈希贺彦林林晓勇顾祥柏; 关键词：能效分析数据包络分析主元分析降维

基于信息熵优化的极限学习机研究及应用: 2014年; 为了提高极限学习机对化工过程的高维数据进行建模的能力,提出了一种基于信息熵优化的学习算法。利用互信息方法判断输入变量与输出变量之间的相关性,通过去除部分与输出变量相关性较弱的输入变量来过滤冗余信息,从而达到降维的目的。然后利用熵权法对输入数据进行加权优化,从而降低输入数据中的离散点对极限学习机模型精确度的影响。因此本文提出了一种基于信息熵的ELM算法。该算法以UCI标准数据集进行测试,并以PTA工业系统数据进行实际验证。实验结果表明,与传统ELM算法相比,优化后的学习算法在处理高维数据时具有稳定性强、建模精度高的特点。从而拓展了神经网络技术在化工领域里的应用。; 陈龙烨贺彦林林晓勇; 关键词：神经网络极限学习机互信息熵权法

基于主成分分析-改进的极限学习机方法的精对苯二甲酸醋酸含量软测量被引量：26: 2015年; 目前,化工生产过程日益复杂,生产操作变量越来越多,由于客观条件的限制,有些重要的过程参数无法通过直接测量的手段精确测得.通过软测量可实现复杂化工生产过程重要参数的精确测量,进而指导化工企业的生产,提高化工生产的产出效率,是解决问题的一个有效的方法.针对复杂化工过程软测量建模中存在的问题,本文提出了一种改进的极限学习机模型(improved extreme learning machine,IELM).一方面将主成分分析(principal component analysis,PCA)方法应用到极限学习机(ELM)里,通过PCA对模型输入变量进行主成分分析,不仅去除了变量间的线性相关关系,而且对高数据进行降维处理,最终降低了极限学习机的输入复杂性;另一方面利用相关系数判断输入主元数据与输出数据间的相关关系,从而得到正相关输入和负相关输入,依据这两类数据构造ELM模型,使得每类输入数据对网络的输出有同样的作用,进一步提高极限学习机的泛化能力.最后建立了PCA-IELM模型,首先用标准数据库的Triazines数据集验证该模型有效性,随后得出了基于PCA-IELM方法的精对苯二甲酸(purified terephthalic acid,PTA)溶剂脱水塔塔顶醋酸含量软测量模型,仿真结果表明PCA-IELM模型处理高维数据时较传统的ELM算法具有稳定性好,建模精度高等特点,为神经网络在复杂化工应用领域提供新思路.; 贺彦林王晓朱群雄; 关键词：极限学习机主成分分析精对苯二甲酸软测量

贺彦林

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

贺彦林

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈