微粒群算法优化化工建模训练集

提出两种均以微粒群(PSO)算法对原始训练集随机抽样优化，再结合机器学习算法建立预测模型的PSO算法优化化工建模训练集的思路。思路1首先以模型交叉验证的均方误差函数mse最小为目标优化训练集，再通过对验证集预测，从平行运行得到的多个优化训练集中确定最优训练集用于建模。思路2借鉴提高BP神经网络泛化能力的初期终止(earlystop)法，以对验证集预测的mse最小为目标优化训练集，再通过对测试集预测，从平行运行得到的多个优化训练集中确定最优训练集用于建模。通过仿真实验研究和对某炼油厂调和汽油生产数据的具体分析应用，表明本文思路可以较大幅度提高模型的预测准确性，在化工建模中具有推广应用价值。