申请/专利权人:浙江大学
申请日:2023-12-04
公开(公告)日:2024-03-08
公开(公告)号:CN117669375A
主分类号:G06F30/27
分类号:G06F30/27;G06N3/006;G06N3/044;G06N3/084;G06N3/047;G06N3/123;G06N3/086;G16C20/70;G16C20/10
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.26#实质审查的生效;2024.03.08#公开
摘要:本发明公开了一种改进GWO的FCC‑RG系统建模方法。FCC‑RG系统是一类典型的多变量、强耦合的非线性系统,传统机理模型难以准确反应系统的被控变量与操作变量之间的耦合关系以及系统的非线性特性。本发明利用Elman神经网络对反应‑再生系统的动态过程进行建模,并通过双链DNA突环交叉和病毒诱导变异策略来改进基本灰狼算法,利用改进的GWO对神经网络参数进行寻优,以得到FCC‑RG系统过程模型。实验结果表明,该方法建立的模型能够较好的反映实际系统的动态特性,也适用于其他复杂非线性系统建模。
主权项:1.一种改进GWO的FCC-RG系统建模方法,其特征在于:所述方法包括以下步骤:步骤1:获取FCC-RG系统的输入数据,记录输出的采样数据;步骤2:预处理采样数据集;步骤3:建立FCC-RG系统的递归Elman神经网络模型,设置模型中的待寻优参数;步骤4:设计双链DNA突环交叉算子和病毒诱导变异算子,改进GWO,用于步骤3所述模型的参数寻优;步骤5:以步骤4所获得的最优解来确定FCC-RG系统的Elman神经网络模型,并利用测试样本检验模型的准确性。
全文数据:
权利要求:
百度查询: 浙江大学 一种改进GWO的FCC-RG系统建模方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。