基于遗传BP神经网络预测硫在高含硫气体中溶解度
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.
硫沉积、遗传算法、LM-BP神经网络、元素硫、高含硫气体、溶解度
34
O642(物理化学(理论化学)、化学物理学)
国家自然科学基金;高等学校博士学科点专项科研基金
2014-10-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
142-147,149