耿志强，武开英，韩永明（北京化工大学信息科学与技术学院，北京 0009；智能过程系统工程教育部工程研究中心，北京 0009）



基于层次分析的FLANN神经网络研究及应用

耿志强1,2，武开英1,2，韩永明1,2
（1北京化工大学信息科学与技术学院，北京 100029；2智能过程系统工程教育部工程研究中心，北京 100029）

摘要：针对传统函数链接型神经网络(functional link artificial neural networks ,FLANN)不能有效处理化工过程中强耦合、带噪声的高维数据建模问题，提出了一种基于层次分析(analytic hierarchy process, AHP)的FLANN神经网络(AHP-FLANN)。通过层析分析模型过滤输入数据中的冗余信息，提取特征分量，并把提取的特征分量作为函数链接神经网络的输入进行建模。同时利用化工行业乙烯生产数据进行了验证，并和BP神经网络及FLANN神经网络进行了对比。结果表明，AHP-FLANN神经网络在处理复杂高维数据时具有收敛速度快、建模精度高、网络稳定性强等特点，同时能够指导乙烯生产，提高能效，具有良好的实用价值。

关键词：乙烯装置；生产能力预测；层次分析法；神经网络；模型预测控制；生产

2015-12-15收到初稿，2015-12-21收到修改稿。

联系人：韩永明。第一作者：耿志强（1973—），男，博士研究生，教授。

引 言

乙烯工业作为石油化工产业的龙头，其产量的高低已经成为判断一个国家工业发展水平的重要标志之一。但是在乙烯生产过程模拟与预测模型中，由于处理分组多，各种影响因素相互关联，存在极强的非线性关系。目前针对这一过程的机理虽不乏研究，但当面临生产中存在的各类复杂问题时，利用传统的数学模型很难得到解决。……