|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 利用BP人工神经网络预测盐水中CO_2的溶解度显示文摘盐水中CO_2的溶解度参数对CO_2地质封存至关重要,通过实验方法获取溶解度数据耗时费力,因此,需要建立理论模型来进行预测,而神经网络由于能够关联复杂变量之间的情况而广受关注。BP神经网络是1种应用最广泛的前馈神经网络,利用实验数据建立1个三层结构的BP神经网络模型用于预测盐水中CO_2的溶解度,并对网络的结构参数进行优化设计,得到1种盐水中CO_2溶解度预测的BP神经网络模型。同时,利用修正后的亨利定律计算不同条件下的溶解度,并将实验数据、BP模型预测结果与亨利定律做对比,为确定盐水中CO_2的溶解度提供了1种新方法。 | 严巡 王长权 袁肖肖 石立红 | 2017 | 中国科技论文2017，12，24： | 9 |
| 2 | 人工神经网络在溶解度预测方面的应用显示文摘溶解度作为一项重要的物化指标,一直是化学学科的研究重点。然而,通过实验测量获得数据耗时费力,因此,科研人员建立了多种理论方法来进行估算,其中,人工神经网络因其能够关联复杂的多变量情况而受到广泛关注。本文综述了人工神经网络在物质溶解度预测方面的应用,介绍了应用最广泛的3种神经网络(BP神经网络、小波神经网络、径向基神经网络)的模型结构、预测方法和预测优势,探讨了神经网络的不足以及改进方法。文章最后对神经网络在物质溶解度预测方面的发展前景进行了展望。与其他方法相比,人工神经网络技术在物质溶解度预测方面具有预测结果精确度高、操作简单等特点,具有广阔的应用前景,但输入变量选择、隐含层节点数确定、避免局部最优等问题还需逐步建立系统的理论指导。 | 李鑫斐 赵林 | 2015 | 化学通报2015，78，3： | 8 |
| 3 | WNN优化模型在模拟超临界二氧化碳中固体溶解度的应用显示文摘为了更好地模拟超临界二氧化碳(SCCO2)中固体的溶解度,提出了一种余弦常数r为0.1和采用部分动量法的Morlet自适应小波神经网络优化模型,并以温度T、压力P、溶质的摩尔体积V、熔点温度Tm、熔化热ΔHfus、色散溶解度参数δ1和极性及氢键溶解度参数δ为输入参数,对SCCO2中两种脂肪酸的溶解度进行了模拟。经过980次迭代得到了该模型对学习2样本的最小模拟误差为1.34%,对预测样本的模拟误差为8.89%,都小于活度系数模型和其它两种常用小波神经网络模型,此结果表明该模型是一种SCCO2中固体溶解度的较好模拟模型。 | 胡德栋 王威强 | 2008 | 天然气化工—C1化学与化工2008，33，3： | 4 |
| 4 | 基于BP神经网络的石油沥青调合结果的预测显示文摘介绍了一个以误差反向传播神经网络(Back Propagation Networks)为核心的石油沥青调合结果的预测系统。重点说明了该网络在沥青调合中的应用方法,阐述了在沥青调合中引入该网络的科学性和合理性。 | 郭庆举 窦仁菊 廖克俭 魏毅 | 2005 | 炼油技术与工程2005，35，7： | 2 |
| 5 | 基于径向基神经网络的盐水中CO2溶解度模型显示文摘确定盐水中CO2的溶解量对CO2地质封存潜力和外溢风险评估至关重要,经典溶解度模型建立在热力学平衡定律上,具有一定的限制性,而RBF径向基人工神经网络具有很强的泛化能力,能够关联复杂变量之间的映射关系.利用收集到的实验数据建立了RBF神经网络用于预测盐水中CO2的溶解度,和之前已经建立的BP神经网络模型对比,将实验数据、RBF神经网络模型、BP神经网络预测结果、PR-DUAN模型以及亨利定律计算值做了对比,为确定盐水中CO2的溶解度提供了一种新的RBF神经网络预测模型. | 严巡 孙敬 刘德华 钟一平 | 2019 | 数学的实践与认识2019，49，18： | 1 |
| 6 | BP神经网络对超临界CO_2萃取油茶籽油过程的模拟显示文摘应用BP神经网络(BPNN)对超临界CO2萃取油茶籽油过程进行了模拟和预测。研究了神经网络的构建、训练以及学习算法和隐含层结构的优化,并用得到的神经网络对不同原料平均粒径(0.215~0.625 mm)、压力(30~35 MPa)、温度(35~50℃)、CO2流量(20~25 L/h)条件下的油茶籽油收率进行预测。结果表明:L-M算法是适宜的BP神经网络学习算法;具有5/8/1结构的BP神经网络的模拟性能最优;模型的预测值与实验结果吻合较好,大部分数据的相对误差小于3%,说明BP神经网络适用于超临界CO萃取油茶籽油过程的模拟。 | 卢泽湘 范立维 郑德勇 廖益强 黄彪 | 2010 | 林产化学与工业2010，30，5： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员