文献类型：期刊文献

中文题名：基于PCA-ANN组合学习方法建立PTA粒度模型

英文题名：Build up PTA Granularity Model by Using the Learning Method Based on PCA-ANN

作者：王翰卿[1];颜学峰[1];钱锋[1]

机构：[1]华东理工大学自动化研究所,上海200237

年份：2003

卷号：10

期号：4

起止页码：356

中文期刊名：控制工程

外文期刊名：Control Engineering of China

收录：CSTPCD;;CSCD:【CSCD2011_2012】；

语种：中文

中文关键词：对苯二甲酸;粒度;主元分析;神经网络;组合学习;自适应

外文关键词：terephthalic acid;granularity of PTA;PCA;neural network;array of learning;adaption

摘要：针对在精对苯二甲酸(PTA)生产过程中影响PTA粒度的因素多且复杂,采用了主元分析方法(PCA)提取方差最大的几个成分作为神经网络(ANN)的输入,消除干扰因素的影响,建立PCA ANN粒度模型。为了进一步提高PCA ANN粒度模型的预测精度,提出了性能优良的加权组合学习方法,形成基于PCA ANN的加权组合模型。组合模型能通过对多个不同PCA ANN粒度模型的预测结果进行自适应加权,最终获得具有良好预测精度的结果。
?According to the factors which affect PTA granularity in the productive process of PTA, it adopts PAC as the input of ANN,which eliminates the interfere and builds up PCAANN granularity model.To improve the predictive accuracy, it presonts weighting method with good performances,so there comes weighting model of PCAANN.The model can make weighting adaptively and achieve good results..