基于遗传BP神经网络预测硫在高含硫气体中溶解度

摘要：

为更精确地关联预测硫在高含硫气体中的溶解度,提出将遗传算法(GA)和LM-反向传播神经网络(LM-BP ANN)相结合的预测模型.设计了该模型的计算过程,讨论了模型参数的设置.以温度、压力和气体组分作为BP神经网络预测模型的输入变量,利用GA优化了BP神经网络的初始权值和阈值,采用遗传算法优化后的BP神经网络计算了元素硫在高含硫气体中的溶解度.结果表明,该模型训练结果与实测值之间的平均相对误差为5.90％,测试结果与实测值的平均相对误差为5.54％;该方法较BP神经网络模型具有预测精度高、收敛速度快的优点;该模型具有较好的模拟及内推、外推功能.

关键词：硫沉积、遗传算法、LM-BP神经网络、元素硫、高含硫气体、溶解度

所属期刊栏目：34

分类号：O642(物理化学（理论化学）、化学物理学)

资助基金：国家自然科学基金;高等学校博士学科点专项科研基金

在线出版日期：2014-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：142-147,149