深度學習算法在軟測量建模中的應用研究.pdf

1、現(xiàn)代工業(yè)工藝隨著計算機技術的發(fā)展愈加信息化、智能化。工業(yè)生產(chǎn)過程中控制過程變量是非常必要的，軟測量技術作為先進技術之一，能夠?qū)I(yè)生產(chǎn)過程中不易測量的過程變量實現(xiàn)在線實時預測。深度置信網(wǎng)絡是一種典型的深度學習算法，該算法在特征學習方面優(yōu)勢顯著。論文以4-CBA含量軟測量建模為研究對象，將深度置信網(wǎng)絡和已有的淺層算法相結(jié)合，深入研究更深層軟測量模型。
　　論文主要研究了以下幾個方面。為了解決二進制深度置信網(wǎng)絡算法處理連續(xù)采樣數(shù)據(jù)過程

2、中的對稱性問題，引入了連續(xù)的受限玻爾茲曼機單元，成功擬合了非線性函數(shù)。針對實際化工工藝中4-CBA含量軟測量建模，提出基于深度置信網(wǎng)絡的軟測量模型，模型訓練過程中充分利用了樣本信息，提高了預測精度。在深度置信網(wǎng)絡算法參數(shù)優(yōu)化過程中，論文深入研究了隱含層節(jié)點數(shù)和迭代次數(shù)對軟測量模型測試性能的影響，分析了大量的隱含層節(jié)點數(shù)，獲得了一些經(jīng)驗值，以初始樣本數(shù)據(jù)和重構(gòu)數(shù)據(jù)之間的差值來判斷模型訓練過程中最大似然估計的收斂情況，提高了迭代次數(shù)尋優(yōu)的效