基于粒子群算法的氧樂果合成過程建模研究.pdf

1、我國(guó)作為一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)業(yè)是國(guó)家經(jīng)濟(jì)的命脈，關(guān)系著國(guó)家的安定與社會(huì)的發(fā)展。農(nóng)藥是確保農(nóng)業(yè)產(chǎn)量的重要因素，農(nóng)藥的產(chǎn)量以及質(zhì)量對(duì)我國(guó)農(nóng)業(yè)甚至國(guó)家的經(jīng)濟(jì)發(fā)展都有重大的影響。為了提高氧樂果等農(nóng)藥產(chǎn)品的質(zhì)量，對(duì)傳統(tǒng)的農(nóng)藥生產(chǎn)過程進(jìn)行改善是很有必要的。本文以氧樂果合成過程的溫度為研究對(duì)象，為其建立合成過程的較好模型，有利于提高產(chǎn)品質(zhì)量與生產(chǎn)水平，進(jìn)而創(chuàng)造明顯的經(jīng)濟(jì)效益。
　　本文分析了氧樂果合成的工藝流程，并對(duì)氧樂果合成過程的特性與對(duì)象模型進(jìn)

2、行了分析，闡明了氧樂果合成過程具有非線性、大滯后、時(shí)變和擾動(dòng)復(fù)雜的特點(diǎn)，并分析了氧樂果合成過程中的影響因素。它是典型的間歇過程，常規(guī)的建模方法很難滿足其建模需要。然而，神經(jīng)網(wǎng)絡(luò)、模糊邏輯和進(jìn)化算法的應(yīng)用發(fā)展，為這樣復(fù)雜對(duì)象的建模提供了新的途徑。
　　本文的氧樂果合成過程建模方法是把粒子群算法和支持向量回歸機(jī)相結(jié)合的。標(biāo)準(zhǔn)粒子群算法存在著一些缺陷，在這把整個(gè)種群分成兩部分，兩部分按照三角函數(shù)的慣性策略分別進(jìn)行進(jìn)化，并利用測(cè)試函數(shù)仿真

3、，結(jié)果表明該算法收斂速度快，搜索精度高。然后通過對(duì)機(jī)器學(xué)習(xí)與統(tǒng)計(jì)學(xué)習(xí)理論的介紹，進(jìn)而引出支持向量機(jī)的原理和方法，介紹了最優(yōu)超平面與核函數(shù)，并且著重介紹了支持向量回歸機(jī)的數(shù)學(xué)模型。對(duì)氧樂果合成過程反應(yīng)特點(diǎn)進(jìn)行分析，把改進(jìn)后的粒子群算法和支持向量回歸機(jī)集合起來，對(duì)溫度對(duì)象進(jìn)行辨識(shí)，建立了氧樂果合成過程PSO-SVR模型，并將它和靜態(tài)BP模型對(duì)比，仿真結(jié)果表明該模型結(jié)合了PSO與SVR的優(yōu)點(diǎn)，更好地反應(yīng)了系統(tǒng)的動(dòng)態(tài)特性，模型精度高，推廣能力較