基于人工神经网络的汽油组分辛烷值神经网络预测模型

基于人工神经网络的汽油组分辛烷值神经网络预测模型

油的辛烷值是油的重要性能指标之一。传统的测量方法所需的油量为数百公升，设备价格昂贵，测量过程中的程序生问，尤其是样品的使用，这对实验室尤其不方便。因为实验室的微反作用生产量往往无法满足交付方法和研究方法所需的量。因此,采用气相色谱法取代马达法与研究法,但色谱法定性汽油的各个组分比较麻烦,需要大量的标样。本研究采用20套汽油组分的红外光谱峰面积与辛烷值数据,基于人工神经网络技术(ANN)及反向传播算法(BP)进行样本离线学习,建立辛烷值神经网络预测模型,辛烷值的预测精度较高,取得了满意的结果。1基于广义delta规则的神经网络训练算法所用的神经网络为前向型人工神经网络,它是由输入层、输出层及隐含层互连而成的三层网络,其拓扑结构见图1。反馈式神经网络的每个神经元输出都与其他神经元相联。采用广义Delta规则算法来训练神经网络。广义Delta规则是一种使平方误差最小的迭代梯度下降方法,这种算法采用了一种称为动量的方法来加速训练,动量是一种加到已调整的权重因子上的额外权重,通过加速权重因子的变化提高训练速度。BP网络的整个学习过程如下:(1)送入一特定的输入,测定其实际输出。(2)将实际输出与期望输出进行比较,计算误差。(3)通过反复调整节点间的连接权重,使误差(或均方根误差)达到最小。2结果与讨论2.1隐蔽节点数的预测神经网络拓朴结构见图1。选择汽油组分红外光谱中的=CH2、芳环、-CH3,C-O-C,-CH2的峰面积作为神经网络的5个输入节点,输出节点为研究法辛烷值与马达法辛烷值2个节点。在网络的建立过程中,采用一层隐含层。隐含节点数的选择是一个十分复杂的问题,隐含节点数与问题的要求、输入与输出节点的多少有关。事实上隐含节点数太少,网络可能训练不出来,或网络不强壮,不能识别以前没有看到的样本,容错性差;但隐含节点数太多又使学习时间过长,误差不一定达到最佳,因此选取一个最佳隐节点数尤其重要。隐含节点数通过检验来确定,即由预测结果的好坏来确定。利用已知辛烷值的20个汽油样本,对输入(红外光谱峰面积)、输出数据(辛烷值)作归一化处理,采用交叉预测法对隐含节点的拓朴结构进行测试,20个样本的平均预测误差结果见表1。根据表1的结果,隐含节点数为6的拓扑结构,其预测的平均误差较小,而且迭代次数也不多,而隐含节点数7,8,9,10拓扑结构的预测平均误差虽也较小,但训练次数增加,学习时间也相应变长。隐含节点数为5,4时,预测平均误差较大,因此隐含节点数取6,选用5-6-2神经网络拓朴结构。2.2网络模型的改进学习速率η对网络的计算有一定的影响。为使BP算法收敛,必须选择一个有限的“阶距大小”,即η,η值一般取0.01～1。通常调节该参数的准则是检查某特定的加权修正是否确实降低了误差函数,如果不是这样,而是产生了过调,η就应该减小;另一方面,如果连续几步迭代都降低误差函数,则η值太保守了,应该增加。针对拓扑结构为5-6-2的神经网络进行大量训练,选取η=0.2,网络总体评价结果优于其它结果。动量系数α对网络的作用是保证过程的稳定性,在每个加权调节量上加上一项正比于前次加权变化量的值,该值即为动量系数。在训练网络时,仍然选用拓扑结构为5-6-2的网络,取η为0.2,变更α值,对网络进行训练及预测,当η>0.7时,网络不再稳定,使网络限于局部最小。根据计算结果,η=0.2,α增加,迭代次数降低,但均方差以α为0.2时稍小,综合考虑网络的训练结果,选取拓扑结构为5-6-2的网络,η=0.2,α=0.2。2.3学习平均误差与训练次数的关系神经网络的预报能力是神经网络优劣的最主要指标,过拟合现象的出现将直接影响到神经网络模型的预报能力,用表2的20个实验样本进行交叉检验预测。η取0.2,α取0.2。得到学习平均误差及预测平均误差与训练次数的关系见图2。可以看出,随着训练次数的增加,学习误差不断下降,但当训练次数达到一定值后,尽管学习误差还在下降,但预测误差开始增加。如果继续训练下去,所得的模型用于预测未知样本时,其结果的可靠性下降,即所谓的过拟合现象。因此,在神经网络训练中,以预测误差最小作为训练结束的依据,本研究的训练次数为4000次。2.4预测结果及误差分析根据所建立的汽油辛烷值神经网络模型,用直馏、催化裂化、重整、焦化汽油组分及调合汽油等20个汽油样品红外光谱中的=CH2、芳环、-CH3,(C-O-(C,-CH2的峰面积交叉预测汽油组分辛烷值,得到交叉预测结果,见表2。由表2预测结果可知,人工神经网络法预测辛烷值的最大误差马达法为0.32、研究法为0.36,平均误差马达法为0.192、研究法为0.178。而文献的有效辛烷值数学模型法的最大误差马达法为0.54、研究法为0.55,平均误差马达法为0.34、研究法为0.2。基于红外光谱的神经网络法不管是最大误差还是平均误差均比文献的有效辛烷值数学模型法有所降低,预测精度得到了提高。3神经网络模型(1)基于红外光谱的神经网络方法预测