• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Prediction of Physical Properties of Crude Oil Based on Ensemble Random Weights Neural Network
【24h】

Prediction of Physical Properties of Crude Oil Based on Ensemble Random Weights Neural Network

机译：基于集合随机权重神经网络的原油物理性能预测

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Prediction of physical properties of crude oil plays a key role in the petroleum refining industry, therefore, it is of great significance to establish the prediction model of physical properties of crude oil. In this paper, we propose an ensemble random weights neural network based prediction model whose inputs are nuclear magnetic resonance (NMR) spectra and outputs are carbon residual and asphaltene of crude oil. The model uses random vector functional link (RVFL) networks as the basic components and employs the regularized negative correlation learning strategy to build neural network ensemble and the online method to learn the new data. The experiment using the practical data collected from a refinery is carried out and compared with the decorrelated neural network ensembles with random weights (DNNE), least squares support vector machine (LS-SVM), partial least squares regression (PLS) and multiple linear regression (MLR). The results indicate the effectiveness of the proposed approach.
机译：原油物理性质的预测在炼油行业中起着关键作用，因此，建立原油物理性质的预测模型具有重要意义。在本文中，我们提出了一个基于整体随机权重神经网络的预测模型，其输入是核磁共振谱，输出是原油中的碳残留量和沥青质。该模型使用随机矢量功能链接（RVFL）网络作为基本组件，并采用正则化的负相关学习策略来构建神经网络集合，并使用在线方法来学习新数据。使用从炼油厂收集的实际数据进行了实验，并与具有随机权重（DNNE），最小二乘支持向量机（LS-SVM），偏最小二乘回归（PLS）和多元线性回归的去相关神经网络集成进行了比较（MLR）。结果表明了该方法的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号