基于学习型人工蜂群算法优化双向GRU的乙烯产率预测
本文针对以乙烯产率为生产指标的预测问题,基于双向门控循环单元网络(BGRU)建立乙烯产率预测模型,以最小化模型误差为优化目标并提出一种学习型人工蜂群算法(LABC)对预测模型进行优化和设计.在构建BGRU预测模型时,先对乙烯裂解炉实际生产过程进行分析,确定影响产率的关键因素并将其作为模型的输入;再采用LABC对BGRU网络模型的结构、初始权值和阈值、训练比和动量因子进行全面的优化和设计.在LABC中,首先根据人工蜂群算法(ABC)特点构建强化学习(RL)框架下的状态集、动作集、奖励函数和最优混合搜索策略,在此基础上,提出一种深度双Q网络(DDQN)来实现最优混合搜索策略,通过该策略可智能选择合...
        Saved in:
      
    
          | Published in | 控制理论与应用 Vol. 40; no. 10; pp. 1746 - 1756 | 
|---|---|
| Main Authors | , , , , | 
| Format | Journal Article | 
| Language | Chinese | 
| Published | 
            昆明理工大学云南省人工智能重点实验室,云南昆明 650500
    
        01.10.2023
     昆明理工大学信息工程与自动化学院,云南昆明 650500%昆明理工大学信息工程与自动化学院,云南昆明 650500  | 
| Subjects | |
| Online Access | Get full text | 
| ISSN | 1000-8152 | 
| DOI | 10.7641/CTA.2022.20211 | 
Cover
| Abstract | 本文针对以乙烯产率为生产指标的预测问题,基于双向门控循环单元网络(BGRU)建立乙烯产率预测模型,以最小化模型误差为优化目标并提出一种学习型人工蜂群算法(LABC)对预测模型进行优化和设计.在构建BGRU预测模型时,先对乙烯裂解炉实际生产过程进行分析,确定影响产率的关键因素并将其作为模型的输入;再采用LABC对BGRU网络模型的结构、初始权值和阈值、训练比和动量因子进行全面的优化和设计.在LABC中,首先根据人工蜂群算法(ABC)特点构建强化学习(RL)框架下的状态集、动作集、奖励函数和最优混合搜索策略,在此基础上,提出一种深度双Q网络(DDQN)来实现最优混合搜索策略,通过该策略可智能选择合适的搜索动作来执行针对不同状态的局部搜索.本文通过在标准数据集和实际生产数据上的测试及算法对比,验证了所提学习型人工蜂群算法优化的双向GRU网络(LABC_BGRU)模型具有预测精度高、适用性强的特性. | 
    
|---|---|
| AbstractList | 本文针对以乙烯产率为生产指标的预测问题,基于双向门控循环单元网络(BGRU)建立乙烯产率预测模型,以最小化模型误差为优化目标并提出一种学习型人工蜂群算法(LABC)对预测模型进行优化和设计.在构建BGRU预测模型时,先对乙烯裂解炉实际生产过程进行分析,确定影响产率的关键因素并将其作为模型的输入;再采用LABC对BGRU网络模型的结构、初始权值和阈值、训练比和动量因子进行全面的优化和设计.在LABC中,首先根据人工蜂群算法(ABC)特点构建强化学习(RL)框架下的状态集、动作集、奖励函数和最优混合搜索策略,在此基础上,提出一种深度双Q网络(DDQN)来实现最优混合搜索策略,通过该策略可智能选择合适的搜索动作来执行针对不同状态的局部搜索.本文通过在标准数据集和实际生产数据上的测试及算法对比,验证了所提学习型人工蜂群算法优化的双向GRU网络(LABC_BGRU)模型具有预测精度高、适用性强的特性. | 
    
| Author | 胡蓉 钱斌 金怀平 温在鑫 杨媛媛  | 
    
| AuthorAffiliation | 昆明理工大学信息工程与自动化学院,云南昆明 650500%昆明理工大学信息工程与自动化学院,云南昆明 650500;昆明理工大学云南省人工智能重点实验室,云南昆明 650500 | 
    
| AuthorAffiliation_xml | – name: 昆明理工大学信息工程与自动化学院,云南昆明 650500%昆明理工大学信息工程与自动化学院,云南昆明 650500;昆明理工大学云南省人工智能重点实验室,云南昆明 650500 | 
    
| Author_FL | WEN Zai-xin YANG Yuan-yuan JIN Huai-ping QIAN Bin HU Rong  | 
    
| Author_FL_xml | – sequence: 1 fullname: WEN Zai-xin – sequence: 2 fullname: QIAN Bin – sequence: 3 fullname: HU Rong – sequence: 4 fullname: JIN Huai-ping – sequence: 5 fullname: YANG Yuan-yuan  | 
    
| Author_xml | – sequence: 1 fullname: 温在鑫 – sequence: 2 fullname: 钱斌 – sequence: 3 fullname: 胡蓉 – sequence: 4 fullname: 金怀平 – sequence: 5 fullname: 杨媛媛  | 
    
| BookMark | eNrjYmDJy89LZWAQMzTQMzczMdR3DnHUMzIwMgIRhoYsDJyGBgYGuhaGpkYcDLzFxZlJBgaGhgZG5qaGnAyuT-fverKr7-naZU92Lng6r_vJrl1Pty99Mafp-b4lz9dNf7Z56pM9M572THva3_N0wkT3oNDns1qe7Jz5vHn9k13Ln_e1v1zU8mxrNw8Da1piTnEqL5TmZgh1cw1x9tD18Xf3dHb00S02NDA20zUytEhMTjQ2NzY2TDaxSLEws7Q0tUg1Sks2MzEyS7Q0TbM0MjG2NLZMtjBKM0s2TzFPNE5OMjBKTjU1NTIxSDUz5mbQgJhbnpiXlpiXHp-VX1qUB7QxPrsqJ6eyshLoY2OQb82MARx9ZOI | 
    
| ContentType | Journal Article | 
    
| Copyright | Copyright © Wanfang Data Co. Ltd. All Rights Reserved. | 
    
| Copyright_xml | – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved. | 
    
| DBID | 2B. 4A8 92I 93N PSX TCJ  | 
    
| DOI | 10.7641/CTA.2022.20211 | 
    
| DatabaseName | Wanfang Data Journals - Hong Kong WANFANG Data Centre Wanfang Data Journals 万方数据期刊 - 香港版 China Online Journals (COJ) China Online Journals (COJ)  | 
    
| DatabaseTitleList | |
| DeliveryMethod | fulltext_linktorsrc | 
    
| Discipline | Engineering | 
    
| DocumentTitle_FL | Ethylene yield prediction based on bi-directional GRU optimized by learning-based artificial bee colony algorithm | 
    
| EndPage | 1756 | 
    
| ExternalDocumentID | kzllyyy202310006 | 
    
| GroupedDBID | -01 -0Y 2B. 4A8 5XA 5XJ 92H 92I 93N ABJNI ACGFS ALMA_UNASSIGNED_HOLDINGS CCEZO CCVFK CUBFJ CW9 PSX TCJ TGT U1G U5S UY8  | 
    
| ID | FETCH-LOGICAL-s1036-218aca37331c48d869958e2fc6426a95f9243939c82f6c7d7a3cb02ce55240e63 | 
    
| ISSN | 1000-8152 | 
    
| IngestDate | Thu May 29 04:08:30 EDT 2025 | 
    
| IsPeerReviewed | true | 
    
| IsScholarly | true | 
    
| Issue | 10 | 
    
| Keywords | 生产能力预测 production capacity prediction ABC 人工蜂群算法 双向GRU 深度强化学习 bi-directional GRU ethylene cracking furnace 乙烯裂解炉 deep reinforcement learning  | 
    
| Language | Chinese | 
    
| LinkModel | OpenURL | 
    
| MergedId | FETCHMERGED-LOGICAL-s1036-218aca37331c48d869958e2fc6426a95f9243939c82f6c7d7a3cb02ce55240e63 | 
    
| PageCount | 11 | 
    
| ParticipantIDs | wanfang_journals_kzllyyy202310006 | 
    
| PublicationCentury | 2000 | 
    
| PublicationDate | 2023-10-01 | 
    
| PublicationDateYYYYMMDD | 2023-10-01 | 
    
| PublicationDate_xml | – month: 10 year: 2023 text: 2023-10-01 day: 01  | 
    
| PublicationDecade | 2020 | 
    
| PublicationTitle | 控制理论与应用 | 
    
| PublicationTitle_FL | Control Theory & Applications | 
    
| PublicationYear | 2023 | 
    
| Publisher | 昆明理工大学云南省人工智能重点实验室,云南昆明 650500 昆明理工大学信息工程与自动化学院,云南昆明 650500%昆明理工大学信息工程与自动化学院,云南昆明 650500  | 
    
| Publisher_xml | – name: 昆明理工大学云南省人工智能重点实验室,云南昆明 650500 – name: 昆明理工大学信息工程与自动化学院,云南昆明 650500%昆明理工大学信息工程与自动化学院,云南昆明 650500  | 
    
| SSID | ssib001102751 ssib002258297 ssib023646306 ssib057620041 ssib051372463 ssj0042201 ssib023167526  | 
    
| Score | 2.4230356 | 
    
| Snippet | 本文针对以乙烯产率为生产指标的预测问题,基于双向门控循环单元网络(BGRU)建立乙烯产率预测模型,以最小化模型误差为优化目标并提出一种学习型人工蜂群算法(LABC)对预测模... | 
    
| SourceID | wanfang | 
    
| SourceType | Aggregation Database | 
    
| StartPage | 1746 | 
    
| Title | 基于学习型人工蜂群算法优化双向GRU的乙烯产率预测 | 
    
| URI | https://d.wanfangdata.com.cn/periodical/kzllyyy202310006 | 
    
| Volume | 40 | 
    
| hasFullText | 1 | 
    
| inHoldings | 1 | 
    
| isFullTextHit | |
| isPrint | |
| journalDatabaseRights | – providerCode: PRVEBS databaseName: Inspec with Full Text issn: 1000-8152 databaseCode: ADMLS dateStart: 20170701 customDbUrl: isFulltext: true dateEnd: 99991231 titleUrlDefault: https://www.ebsco.com/products/research-databases/inspec-full-text omitProxy: false ssIdentifier: ssib057620041 providerName: EBSCOhost  | 
    
| link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3LaxQxGB9qe9GD-MQ3FcxJts5kkkxyzMzOWsR60BZ6K_NUsKxg20N71IKHlqoHn4iK-DipBxHpIv4xstPV_8Lvy44707KHKiwh8-VLvsdvsvmym4dlnYsE4ykXScPlLG0wmkCfE1HcELGMUypTHpkd3lNXxOQMuzTLZ0f2_KytWlpajCeSlaH7Sv4HVaABrrhL9h-QHTQKBMgDvpACwpDuCmMScqJaxNckZJjKECm6SbQwFEW0bXhCIv2SB5k58T2iOQklUQGRlIQe8UOiGWZ0SJRHQkF8lyhuagVESawlISNMpoV5bNkmyrl4dQYrKlCAlXKVQop0iW6VcrVnKKAJZEAxaphBCrTm10NkJAIb8kORJL4wjdtEClQY1CvtlaW98KiM5pDqwcpc0zawK6NmACUoVjlE-xULECjxHeQFw2RQlUijvGNc5BKp6nXAAmXqSBs_qIICb9V_QKHVUrz-K29ESGNDPxPWrBrgwRGDvuUVitpIA180DTCewcwZBqdAvyPFaO83S2WhIrqeoprYcogvBGKgSxS1wZ4Gw8TtVPs8BNvctmuDGZ4aIB2-bbRjdr1X27WxC-amohYHQVwpho2xnmA4xgbTegK8iXsZaTlcbj-3_ObK_Pzy8jJ6HBURe6wxCiOvPWqN6ebU5WtV0O7gX-e1IJJy3O_995niWQ28miTgjQfCrdYGcMf1aO1OB45CbDZY6MUoNZegD7zRP7oVzbiw3Qizb6-dR-3rtRBz-oC1v5wbjut-Rz9ojazcOGTtq50YetgKi1edbmej-Pi-u_m6eLnW7XSKb-9-vbjT-_G29-nJ1pdH3e9Pi_XHxf314sFD6Ji956vdzWe9u5-7nQ-9jXu_36xufV07Ys20wulgslHehNJYcPDEcIjDoyRy8X7VhMlUCqW4zGieCAiwI8VzRWFi4apE0lwkXupFbgKeSjLOIWLPhHvUGm3famfHrPEM5nS5ZGnOPca83Ispy-2YuV6UCo9m9Lh1tnTCXPlNtzC3E8oTu-A5ae2tOtspa3Tx9lJ2GuL3xfhM-QL8AcMdsS0 | 
    
| linkProvider | EBSCOhost | 
    
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E5%AD%A6%E4%B9%A0%E5%9E%8B%E4%BA%BA%E5%B7%A5%E8%9C%82%E7%BE%A4%E7%AE%97%E6%B3%95%E4%BC%98%E5%8C%96%E5%8F%8C%E5%90%91GRU%E7%9A%84%E4%B9%99%E7%83%AF%E4%BA%A7%E7%8E%87%E9%A2%84%E6%B5%8B&rft.jtitle=%E6%8E%A7%E5%88%B6%E7%90%86%E8%AE%BA%E4%B8%8E%E5%BA%94%E7%94%A8&rft.au=%E6%B8%A9%E5%9C%A8%E9%91%AB&rft.au=%E9%92%B1%E6%96%8C&rft.au=%E8%83%A1%E8%93%89&rft.au=%E9%87%91%E6%80%80%E5%B9%B3&rft.date=2023-10-01&rft.pub=%E6%98%86%E6%98%8E%E7%90%86%E5%B7%A5%E5%A4%A7%E5%AD%A6%E4%BA%91%E5%8D%97%E7%9C%81%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4%2C%E4%BA%91%E5%8D%97%E6%98%86%E6%98%8E+650500&rft.issn=1000-8152&rft.volume=40&rft.issue=10&rft.spage=1746&rft.epage=1756&rft_id=info:doi/10.7641%2FCTA.2022.20211&rft.externalDocID=kzllyyy202310006 | 
    
| thumbnail_s | http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fkzllyyy%2Fkzllyyy.jpg |