广义回归神经网络的改进及在延迟焦化建模中的应用

广义回归神经网络（GRNN）具有明确的概率意义，其参数大多能自动确定，仅光滑因子参数需优化估值.采用优进遗传算法（EGA），将确定性与随机性寻优操作相融合，实现了高效全局搜优，它所基于的优进策略包括设计Powell寻优算子、改进交叉算子、自适应地调整交叉率和变异率等.以推广能力作为优化目标，所建的GRNN有很强的非线性拟合能力和优良的预报性能，将其成功地为延迟焦化过程建模，与径向基网络（RBFN）等相比，显示了明显的优势.