摘要
针对某炼油厂重整加氢装置汽油干点无法实时在线监测的问题,建立了基于BP神经网络的软测量模型对汽油干点进行实时预测,提出一种根据变异系数对输入数据进行加权归一化预处理技术,经仿真表明使用这一方法后网络性能有所提高.
The soft-sensing model based on BP Artificial Neural Network is established for real-time monitoring of the gasoline endpoint for the hydroforming unit in a refinery. A way of weighted normalized date preprocessing based on aberrance coefficient is given. And the simulation shows that the performance of the model is improved with this method.
出处
《吉林化工学院学报》
CAS
2006年第1期62-64,共3页
Journal of Jilin Institute of Chemical Technology
关键词
软测量
数据预处理
变异系数
神经网络
soft-sensing
data preprocessing
aberrance coefficient
ANN
