化工数据预处理及其在建模中的应用

对化工数据预处理问题进行了研究,阐述了化工数据智能建模中辅助变量选择、数据采集、数据校正、输入数据降维等各种数据预处理的思路与方法。仿真实验表明:对数据进行有效的预处理,可以改善模型的精确度。     

一种基于T-S模糊模型的自适应建模方法及其应用

提出了一种改进的基于T-S模糊RBF神经网络模型的辨识算法和自适应方法，采用模糊C均值聚类(FCM)算法划分输入输出数据空间，最后将该算法应用于丙烯腈收率的预报，仿真结果表明了这种基于T-S模糊模型的自适应建模方法的有效性。