10.3969/j.issn.1007-7383.2013.02.020
乙炔羰基化合成丙烯酸甲酯催化性能的人工神经网络模拟
通过神经网络技术可找出催化工艺与催化性能之间的关联性,从而对催化性能进行预测,达到提高研究效率的目的.本文针对训练样本中奇异样本对神经网络模型预测能力和泛化能力的影响,将遗传算法思想引入神经网络,构建神经网络模型动态训练集,建立了遗传算法-神经网络模型(GARBF);利用GARBF模型对乙炔羰基化合成丙烯酸甲酯催化性能进行预测模拟.结果表明:与RBF相比,GARBF的预测精度明显提高,对于六组测试集,平均相对误差从2.94%降低到1.18%,体现了更强的泛化能力.
神经网络、RBF、GARBF、预测、催化
31
O643(物理化学(理论化学)、化学物理学)
新疆兵团博士基金项目2011BB011;石河子大学高层次人才科研启动资金项目RCZX200807
2013-07-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
230-235