醇解度预测的神经网络模型研究
针对聚乙烯醇生产过程的醇解度预测问题,建立神经网络模型;对醇解度的影响因素进行了研究,讨论了输入层、输出层、隐含层等神经元的设置及网络训练的参数,比较了梯度下降BP算法、动量-自适应学习速率调整算法、Levenberg-Marquardt BP算法三种不同的训练算法在本问题上的优劣,并与RBF网络相比较,综合考虑训练时间、训练精度、泛化能力等条件,动量一自适应学习速率调整算法是最适合醇解度预测的,并基于动量-自适应学习速率调整算法建立了神经网络模型;将模型应用于醇解度预测系统,系统实际运行情况表明,利用神经网络模型预测醇解度是可行有效的.
醇解度、神经网络、动量-自适应学习速率调整算法、径向基网络
18
TP301(计算技术、计算机技术)
北京市自然科学基金资助项目9092002;北京市教委科技项目KM200910005027
2011-06-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
2748-2751