一种基于集成神经网络的聚丙烯熔融指数混合建模方法

一种基于集成神经网络的聚丙烯熔融指数混合建模方法，具体如下：

1. 首先通过采集关键过程变量数据和熔融指数离线分析数据，对原始数据进行离群点检测、标准化等预处理，构建训练样本数据集。

2. 采用机理分析方法和最速下降法建立聚丙烯熔融指数简化机理模型。

3. 采用Bagging集成学习算法和信息熵法建立基于集成BP神经网络的机理模型预测误差补偿模型。

4. 将简化机理模型与误差补偿模型相结合，构建聚丙烯熔融指数的混合模型。

5. 利用该混合模型，实现熔融指数的在线估计。

与目前其他建模方法相比，本发明具有以下优势：

• 提高了模型泛化性能；
• 可用于指导聚丙烯生产过程；
• 有效实现聚丙烯质量控制。

一种基于集成神经网络的聚丙烯熔融指数混合建模方法，包括首先通过采集关键过程变量数据和熔融指数离线分析数据，对原始数据进行离群点检测、标准化等预处理，构建训练样本数据集；然后采用机理分析方法和最速下降法建立聚丙烯熔融指数简化机理模型，采用Bagging集成学习算法和信息熵法建立基于集成BP神经网络的机理模型预测误差补偿模型；最后将简化机理模型与误差补偿模型相结合，建立聚丙烯熔融指数的混合模型，用于实现熔融指数的在线估计。与目前其它建模方法相比，本发明提高了模型泛化性能，能用于指导聚丙烯生产过程，有效实现聚丙烯质量控制。