基于bootstrap组合神经网络的聚丙烯熔融指数预报

对熔融指数准确可靠的预报在聚丙烯生产中具有至关重要的作用,它能更有效的指导生产过程,进而提高聚丙烯生产的经济效益。神经网络被用来建立初始的熔融指数预报模型,但是单一的神经网络在结构上具有随机性。通过训练一批预报误差小同时结构差异大的神经网络作为子网络,再将它们组合起来得到bootstrap组合神经网络,基于此建立起了最优熔融指数预报模型。通过对实际聚丙烯生产过程中的历史数据的研究,表明该模型的预报精度高、可靠性强,有望在实际工业中得到广泛应用。