提高复杂化学过程中NN模型的透明度

神经网络具有优良的非线性映射逼近能力，广泛应用于化工过程建模，但神经网络建模方法属于黑箱法，所获得的模型缺乏透明性，各变量的解释性差，限制其指导化工企业优化技术决策。结合神经网络释义图，连接权法和改进的随机化测验三种方法，对复杂的化工过程神经网络模型进行透明化研究。首先利用神经网络释义图可视化模型，再用连接权法对决策参数贡献率定量分析，最后利用改进的随机化测验，对模型的连接权，决策参数的综合贡献度和相对贡献率进行显着性检验，细长粉碎模型。 ，结果表明该方法获取了过程变量的内部信息，极大地提高了模型的“可理解”能力。因此，本研究为复杂的化工过程神经网络模型的透明化提供了一条很好的途径。