文献类型：期刊文章

作　　者：李全善[1,2] 张义山[3] 曹柳林[1] 林晓琳[2] 崔佳[2]

机构地区：[1]北京化工大学信息科学与技术学院,北京100029 [2]北京世纪隆博科技有限责任公司,北京100020 [3]中国石油辽阳石化分公司,辽宁辽阳111003

出　　处：《化工学报》

基　　金：国家自然科学基金项目(60974031;60704011);北京市中小企业创新基金项目(Z09010400260912)~~

年　　份：2011

卷　　号：62

期　　号：8

起止页码：2345-2349

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAS、CSCD、CSCD2011_2012、EI(收录号：20113214224504)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出了离线结构学习和在线权值校正相结合的双模型结构RBF神经网络,以离线学习和在线校正相结合的方式实现网络的自学习和自校正,满足了软测量仪表现场应用的要求。针对应用过程中出现预测误差过大的现象,通过对网络算法进行分析,研究影响网络预测精度的因素,在此基础上,提出了以K均值聚类法和递推下降算法相结合的RBF神经网络建模改进算法,仿真结果和实际应用证明了改进算法的有效性。

关 键 词：RBF神经网络 软仪表 双模型结构  

分 类 号：TP183]