基于数据融合IGA-RGRNN低阶煤制甲烷产量预测模型

摘要

为了提高智能系统的准确性与快速性,针对多传感器网络,提出了一种以融合技术为数据基础与改进遗传算法-广义旋转回归神经网络IGA-RGRNN(improved genetic algorithm and rotated generalized regression neural ne-twork)算法相结合的预测模型.利用RGRNN强大的非线性随机变量的处理能力,把预测理论引入改进遗传算法循环中,将该模型应用于低阶煤制甲烷产量预测过程,并对预测模型效果进行实验验证.实验结果表明,基于数据融合IGA-RGRNN低阶煤制甲烷产量预测模型的相对误差最大值为2.99％,相对误差最小值为0.25％,相对误差平均值为1.76％,相较其他预测模型具有泛化能力更强和预测精度更高的优势,为低阶煤制甲烷产量预测提供一种新的途径.