文化算法神经网络在建模中的应用：乙烯精馏塔软测量模型

"基于文化算法的神经网络及其在建模中的应用 (2008年)" 本文主要探讨了文化算法（Cultural Algorithms）与神经网络（Neural Networks）的结合，以及这种结合在过程系统建模，特别是乙烯精馏塔产品质量软测量建模中的应用。作者黄海燕和顾幸生来自华东理工大学自动化研究所，他们的研究工作发表在2008年4月的《控制与决策》杂志第23卷第4期上。 文化算法是一种受到人类文化进化过程启发的优化算法，它融合了进化算法和智能体学习的概念，旨在解决复杂的优化问题。神经网络则是一种模仿人脑神经元结构的计算模型，能够通过学习和调整权重来处理非线性问题和复杂模式识别。 在深入研究了文化算法和神经网络的文献后，作者提出了一个独特的训练神经网络的文化算法流程。这个流程构建了一个名为文化神经网络（Cultural Algorithms Neural Network，简称CANN）的模型。CANN将文化算法的全局探索能力和神经网络的局部优化特性结合起来，以提高模型训练的效率和准确性。 在乙烯精馏塔的产品质量软测量建模中，传统的建模方法可能无法准确预测动态变化的过程参数。软测量技术则可以通过非侵入式测量，即利用过程的输入和输出数据来间接估计难以直接测量的关键变量。作者将CANN应用于这一领域，通过训练和泛化能力的比较分析，结果显示CANN软测量模型具有优异的性能和广泛的应用潜力。 文章关键词包括文化算法、神经网络和软测量，表明研究主要关注了这些领域的交叉应用。中图分类号为TP273，属于自动控制理论与设计，文献标识码为A，表明这是一篇原创性的学术论文。 该研究为神经网络的训练提供了一种新的优化策略，即文化算法，提高了神经网络在复杂工业过程建模中的性能。此外，通过在乙烯精馏塔的实例中验证，CANN模型在软测量领域的表现极具竞争力，这为未来工业过程控制和优化提供了有价值的理论支持。