复杂化工过程神经网络模型的透明化
来源期刊:控制工程2013年第1期
论文作者:李太福 姚立忠 苏盈盈 易军 胡文金 肖大志
文章页码:115 - 120
关键词:神经网络模型;透明化;化工过程;网络释义图;随机化;
摘 要:神经网络具有优良的非线性映射逼近能力,广泛应用于化工过程建模,但神经网络建模方法属于黑箱法,所获得的模型缺乏透明性,各变量的解释性差,限制其指导化工企业优化技术决策。结合神经网络释义图、连接权法和改进的随机化测验三种方法,对复杂化工过程神经网络模型进行透明化研究。首先利用神经网络释义图可视化模型,再用连接权法对决策参数贡献率定量分析,最后利用改进的随机化测验,对模型的连接权、决策参数的综合贡献度和相对贡献率进行显著性检验,进而修剪模型。通过对复杂化工过程氢氰酸生产模型验证研究,结果表明该方法获取了过程变量的内部信息,极大地提高了模型的"可理解"能力。因此,本研究为复杂化工过程神经网路模型的透明化提供了一条很好的途径。
李太福1,姚立忠2,苏盈盈1,易军1,胡文金1,肖大志1
1. 重庆科技学院电气与信息工程学院2. 西安石油大学电子工程学院
摘 要:神经网络具有优良的非线性映射逼近能力,广泛应用于化工过程建模,但神经网络建模方法属于黑箱法,所获得的模型缺乏透明性,各变量的解释性差,限制其指导化工企业优化技术决策。结合神经网络释义图、连接权法和改进的随机化测验三种方法,对复杂化工过程神经网络模型进行透明化研究。首先利用神经网络释义图可视化模型,再用连接权法对决策参数贡献率定量分析,最后利用改进的随机化测验,对模型的连接权、决策参数的综合贡献度和相对贡献率进行显著性检验,进而修剪模型。通过对复杂化工过程氢氰酸生产模型验证研究,结果表明该方法获取了过程变量的内部信息,极大地提高了模型的"可理解"能力。因此,本研究为复杂化工过程神经网路模型的透明化提供了一条很好的途径。
关键词:神经网络模型;透明化;化工过程;网络释义图;随机化;