基于MLFN-PLSR的PX氧化反应组合建模方法

针对对二甲苯（p-xylene，PX）氧化反应过程中影响主要副产物对羧基苯甲醛（4-carboxybenzaldehyde，4-CBA）含量的因素众多且呈高度非线性的特征，提出了多层前向型神经网络（multi-layerfeedforwardnetwork，MLFN）与偏最小二乘回归（partialleastsquaresregression，PLSR）相结合的建模方法，建立反应产物中4-CBA含量关联模型。MLFN-PLSR采用三层网络结构和尽量多的隐节点，通过MLFN充分提取样本数据信息；然后采用PLSR消除隐含层输出冗余信息，建立具有良好预测精度的模型。与MLFN相比，最佳性能模型的预测偏差平方和均值下降了12.11%、模型平均预测偏差平方和均值下降了8.37%。与PLSR相比，最佳性能模型的预测偏差平方和均值下降了70.62%。