基于自适应MCMC采样的新型UPFNN铝电解能耗模型

摘要：

针对铝电解过程中噪声密集、分布类型未知且参数特征高维而导致建模精度不佳的问题,提出一种基于自适应MCMC采样的新型无迹粒子滤波神经网络(AMCMC-UPFNN)建模方法.该方法首先利用无迹变换(UT)中κ参数的平方项代替UPFNN算法中对应的常规项,避免因维数过高而导致UT矩阵出现非正定情况,保证UPFNN中Sigma点采样的合理性;然后,在传统MCMC方法基础上引入自适应采样策略来保持粒子的多样性,使所建立概率密度分布更接近真实分布;最后,与相关建模方法开展铝电解工业应用验证实验.结果表明,AMCMC-UPFNN模型预测精度的相对误差百分比不超过1％,取得了比PFNN、UPFNN和MCMC-UPFNN更优的性能指标.

关键词：马尔科夫链蒙特卡洛、无迹粒子滤波、铝电解、神经网络、能耗建模

所属期刊栏目：58

分类号：N945.12(系统科学)

资助基金：国家自然科学基金;重庆市基础研究与前沿探索项目

在线出版日期：2021-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：98-104