论文部分内容阅读
以某化工企业MTBE装置的过程参数C4流量F1、CH3OH流量F2、混合原料预热温度T301为变量，用BP神经网络建立了关于醚化塔下部温度T303D的预测模型．经Pauta准则剔除样本数据异常点后建立的BP模型，训练、验证和预测计算结果的确定系数R^2分别为0．8873、0．8873和0．8582，而直接用原始数据建立的BP模型，训练、验证和预测计算结果的R^2则分别为0．8361、0．8148和0．7376．研究表明，运用Pauta准则剔除异常样本数据，可以较大幅度的提高模型的预测准确性．