[发明专利]基于AP聚类的ELM复杂石化行业生产能力的预测模型

摘要

本发明公开了一种新型的基于AP聚类的ELM复杂石化行业生产能力的预测模型，针对传统神经网络模型对石化行业能效预测的不精确性，所述预测模型首先通过AP聚类算法将乙烯原料进行聚类，进而产生若干相似度较高的类别，减少了乙烯原料。然后将聚类结果作为ELM算法的训练集和测试集。本发明提供的预测模型提高了能效预测的精度，从而实现对石化行业能效的有效预测，解决了传统神经网络模型对石化行业能效预测的不精确性，提高了复杂石化行业的能源效率，实现了节能减排。同时，本发明也通过实验证明了所述预测模型的有效性和实用性。

主权项

1.一种新型的基于AP聚类的ELM复杂石化行业生产能力的预测模型，其特征在于，包括：获取石化行业的生产数据；使用AP聚类算法对所述生产数据进行聚类，当所有数据点到最近的类代表点的相似度之和最大时，获得最优的类代表点的数据集合，所述相似度之和是R(i，k)与A(i，k)之和，其中R(i，k)表示数据对象k作为数据对象i的聚类中心的适合程度，A(i，k)表示数据对象i选择数据对象k作为聚类中心的适合程度，R(i，k)与A(i，k)的表达式为：Rt+1(i，k)＝(1‑λ)·Rt+1(i，k)+λ·Rt(i，k)      (1)At+1(i，k)＝(1‑λ)·At+1(i，k)+λ·At(i，k)      (3)将所述数据集合作为ELM算法的训练集合和测试集合，通过训练和测试形成预测模型；根据所述预测模型对石化行业生产能力进行预测。