Neural network model for estimating the quality indicators of industrial fractionator products

Abstract

Для задач оценивания и прогнозирования показателей качества конечных продуктов ректификационных технологических процессов широкое распространение получили эмпирические модели. Использование нейронных сетей для их разработки позволяет учесть нелинейные особенности технологического объекта и позволяют получить более точный прогноз. Однако структура нейронных сетей может иметь высокую размерность. В таком случае выбор оптимальной структуры, а также оценку сходимости обучения все еще сложно осуществлять аналитически. Однако структура нейронных сетей может иметь высокую размерность и выбор оптимальной структуры, а также вопрос сходимости обучения при заданной структуре все еще сложно осуществлять аналитически. В связи с этим представлен новый метод выбора оптимальной структуры нейронной сети на основе генетического алгоритма, отличающийся учeтом сходимости обучения при заданной структуре. Предложенный метод подробно представлен на примере построения нейросетевой модели для оценивания температуры начала кипения керосиновой фракции и показал свою эффективность.