基于混沌自适应粒子群人工神经网络的气体在聚合物中的溶解模型
为提高溶解预测模型的效率和关联度,建立基于混沌理论、自适应粒子群优化(PSO)算法和反向传播(BP)算法的混沌自适应PSO-BP神经网络模型,并对二氧化碳(CO2)在聚苯乙烯(PS)和聚丙烯(PP)中、氮气(N2)在PS中的溶解度进行预测试验.模型选用压力和温度作为输入参数,使用试探法确定隐含层结点个数为8,输出为预测的溶解度.模型融合混沌理论、自适应PSO和BP算法各自的优势,提高了训练速度和预测精度.结果表明,混沌自适应PSO-BP神经网络有很好的预测能力,预测值与实验值相当吻合,通过与传统BP神经网络和PSO-BP神经网络的比较可知,其预测精度和相关性均明显较优,预测平均绝对误差(AAD),标准偏差(SD)和平方相关系数(R2)分别为0.0058,0.0198和0.9914.
溶解预测、聚合物、神经网络、粒子群、混沌理论
71
the National Natural Science Foundation of China20664002;Graduate Student Innovation Fund by Nanchang Universitycx2012011;项目受国家自然科学基金20664002;南昌大学研究生创新专项资金cx2012011
2013-09-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
1053-1058