摘要：针对化工过程强非线性和多工况的特性，提出了一种基于BP神经网络（BPNN）有效非线性融合多关联向量机（MRVM）的建模方法．首先选择不同的核函数，采用样本数据建立单一RVM子模型；然后利用BPNN的强非线性拟合能力，对各子模型的预测信息进行非线性融合，并采用人工鱼群算法（AFSA）对BPNN的初始权重和阈值进行优化；最终建立MRVM非线性融合模型．将该建模方法应用于甲醇制烯烃生产过程（MTO）乙烯收率预测研究中，研究结果表明：与单一RVM模型和最优加权组合模型相比，基于MRVM的非线性融合模型具有更佳的预测精度．
分类：期刊> 人文社会科学> 社会科学II> 教育综合
收录：北大期刊(中国人文社会科学期刊) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > SA 科学文摘(英) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：mrvm bpnn afsa 组合模型 非线性
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
