公开(公告)号：CN104616072B

公开(公告)日：2017-12-01

申请号：CN201510034259.2

申请日：2015-01-23

Applicant: 东北大学

Inventor： 关守平 ,  尤富强 ,  王文龙 ,  马亚辉

IPC: G06Q10/04 ,  G06N3/02

Abstract: 本发明涉及一种基于区间优化的提高谷氨酸发酵产物浓度的方法，获取谷氨酸发酵过程历史生产数据，建立谷氨酸发酵过程的3层BP神经网络模型，将谷氨酸发酵过程的3层BP神经网络模型扩张为谷氨酸发酵过程区间神经网络模型，将发酵过程PH值、发酵温度和通风量作为变量，谷氨酸发酵产物浓度作为优化目标，利用区间粒子群优化算法对谷氨酸发酵过程区间神经网络模型进行区间优化，得到使谷氨酸发酵产物浓度最大化的最优发酵温度、最优通风量和最优发酵过程PH值，在谷氨酸发酵过程中，根据最优发酵温度、最优通风量和最优发酵过程PH值进行谷氨酸发酵。

公开(公告)号：CN104729965A

公开(公告)日：2015-06-24

申请号：CN201510044221.3

申请日：2015-01-28

Applicant: 东北大学

Inventor： 关守平 ,  尤富强 ,  李寒雷 ,  马亚辉

IPC: G01N15/06 ,  G06N3/08

Abstract: 本发明基于区间径向基函数神经网络的PM2.5浓度检测方法，属于空气质量检测领域；该方法首先将空气转化成光电信号，采集光电信号和对应的实际PM2.5浓度并进行归一化，然后将归一化处理后的区间光电信号作为输入值，区间PM2.5浓度作为输出值，对区间径向基函数神经网络进行训练，最后利用训练好的区间径向基函数神经网络获得最终区间PM2.5浓度，本发明克服了求解矩阵方程算法运算困难，精度较低的缺点，不仅可以有效地检测PM2.5浓度，也可以检测出在不确定性的条件下检测的PM2.5浓度浮动在哪个范围之内，检测精度高，检测方法简便。

公开(公告)号：CN100580698C

公开(公告)日：2010-01-13

申请号：CN200710012776.5

申请日：2007-09-10

Applicant: 东北大学

Inventor： 关守平 ,  尤富强

IPC: G06N3/02 ,  G06N3/08 ,  G05B17/02

Abstract: 本发明涉及应用过程神经网络模型建立稀疏数据过程预测模型的方法。在对稀疏的样本数据进行预处理的基础上，应用基于离散Walsh变换的学习算法，提高过程神经网络的学习效率和建模精度。为使建立的过程预测模型能够及时修正预测偏差，根据稀疏数据过程的特点，采用了数据采样周期间网络滚动学习的方法，通过最新的采样数据及时对预测网络模型进行在线修正，从而进一步提高了预测模型的准确性。本发明为解决一类稀疏数据过程的建模问题提供了一条有效的途径。