基于BP神经网络的化工过程建模研究

研究使用ＢＰ神经网络来完成化工过程的建筑。一般的化工过程建模问题是非线性的问题，很多情形下，与不相有关量的变化速率数量级相差很大，从而问题是刚性的。这时，用数值方法难于对过程的变化精确求解。由于ＢＰ网络能实现任何非线性的连续映，故适于处理复杂化工建模问题，将ＢＰ神经网络用于精细塔的温度计算，结果令人满意。     

基于BP神经网络的化工过程建模研究

研究使用BP神经网络来完成化工过程的建模.一般的化工过程建模问题是非线性的问题.很多情形下,与不同相有关量的变化速率数量级相差很大,从而问题是刚性的.这时,用数值方法难于对过程的变化精确求解.由于BP网络能实现任何非线性的连续映照,故适于处理复杂化工建模问题.将BP神经网络用于精馏塔的温度计算,结果令人满意.     

发酵过程状态预估的BP神经网络模型实现

论述了利用改进的BP神经网络实现发酵过程状态预估模型的设计原理和方法，包括BP神经网络的拓扑结构选取、学习和测试样本的选择及处理，变步长引入动量项BP神经网络的训练方法以及全局收敛法的实现等。此外，用VC实现了发酵过程BP神经网络建模平台。经聚赖氨酸发酵过程验证，其模型具有良好的收敛性能和泛化性能，可应用于发酵过程状态参数的在线预估和测量。     

发酵过程混合神经网络建模方法比较

对发酵过程中串联结构、并联结构、串并联结构混合神经网络模型的结构和训练方法进行了分析、对比研究,并提出了一种训练方式更简单的混合神经网络模型。仿真结果表明,混合神经网络模型比标准的神经网络模型建模精度高、泛化能力强。     

自组织神经网络在发酵过程建模与控制中的应用

将改进的自组织网络的辨识算法,与预测控制理论相结合,应用于发酵过程的建模与控制中,改进的建模方法大大提高了算法的收敛速度,基于该算法的预测控制方案要在发酵过程的非线性控制中,获得了良好的响应特性。     

基于BP神经网络的产絮菌发酵参数的优化

为优化对产絮菌克雷伯氏菌(Klebsiella. sp.)的发酵参数,首先用正交实验量化絮凝菌发酵参数对絮凝率和产率的影响度,确定温度、摇床转数、pH 3个影响度较高的发酵参数作为神经网络的输入,絮凝率和产率为输出,同时设计了训练样本．经过反复训练,建立了准确度高、误差小的预测模型,并利用该模型实现发酵参数双指标的全局优化,其最优发酵条件为温度33 ℃、摇床转数141 r／min、pH 7.90,经验证此条件下实际絮凝率和产率分别为92.67％和2.180 9 g／L,絮凝率提高了4.08％,产率提高了14.36％,使生物絮凝剂产量低的问题得以初步改善．利用所建立模型预测生物絮凝菌F+在发酵罐中的发酵过程,仿真误差较小．     

发酵过程混合神经网络建模方法比较

对发酵过程中串联结构、并联结构、串并联结构混合神经网络模型的结构和训练方法进行了分析、对比研究,并提出了一种训练方式更简单的混合神经网络模型.仿真结果表明,混合神经网络模型比标准的神经网络模型建模精度高、泛化能力强.     

基于神经网络的过程系统动态建模

针对生产过程中参数容易受外界影响而改变,传统的系统辨识方法难以得到精确的数学模型的实际情况,提出利用神经网络的自学习、自适应功能实现动态在线建模。本文对这种方法进行了仿真研究。由计算机产生仿真输入信号：随机信号或Ｍ序列伪随机信号,输入到生产过程中普遍存在的一阶纯滞后对象。通过三层ＢＰ神经元权值的不断调整,实现离线辨识和在线辨识,直到神经网络的阶跃响应曲线几乎和实际系统的阶跃响应重叠。仿真结果表明,     

L-色氨酸产生菌TQ2223的途径分析

应用途径分析方法分析了在稳态时谷氨酸棒杆菌TQ2223菌株由葡萄糖发酵生产L-色氨酸的途径，确定了L-色氨酸合成的最佳途径及其代谢流分布和最大理论产率．通过刺激所选途径的酶活来提高L-色氨酸产率，结果表明，经NH4 调节后，代谢途径流量发生显著变化，可以使色氨酸的代谢流从6提高到8.8．     

神经网络用于啤酒发酵中糖度建模

啤酒发酵过程中糖度不能在线测量而影响其实现全自动化。本文利用神经网络的非线性建模特点为啤酒发酵过程的精度进行建模。     

神经网络在过程建模中的应用

阐述了神经网络用于过程建模目前存在的问题，提出了改进的方法，并将此应用到了大型炼油厂脱蜡过程的建模中。通过比较改进前后的ＢＰ算法仿真结果可以看出，改进后的算法在网络的训练收敛速度上有了较大提高。     

混合神经网络建模方法在青霉素发酵过程中的应用

本文采用广义混合神经网络建模方法对青霉素发酵过程进行建模,根据青霉素发酵过程可在线测量过程参数二氧化碳生成率CER,实现青霉素发酵过程生物质浓度的测量。由仿真实验结果可以看出,该方法建模精度高、泛化能力强。     

基于BP神经网络的中国人口预测

本文基于中国统计年鉴1990—2010年中国人口数据,通过建立BP神经网络模型,对中国人口进行了预测。结果表明,神经网络预测数据相对误差不到0.01%,比传统预测方法精确很多,根据该模型预测,中国人口将在2050年达到峰值14.5亿左右。     

基于BP神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP（Back Propagation）神经网络的交通流量预测模型。以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况。     

基于遗传和改进布谷鸟算法的BP神经网络建模

针对现代工业系统具有高度非线性的特点,以及采用BP神经网络对非线性系统建模易出现局部最优、过拟合或欠拟合的问题,提出采用遗传算法(GA)和改进布谷鸟算法(CS)优化BP神经网络建模的方法(GACSBP算法)。首先利用遗传算法自适应、全局搜索的特点优化神经网络拓扑结构,避免神经网络建模出现过拟合或欠拟合的问题;然后采用改进布谷鸟算法优化BP神经网络权值,加入惩罚项进一步防止神经网络建模时陷入局部最优。对NACA0012翼型自噪声数据进行建模,仿真结果表明,与BP神经网络相比,提出的GACSBP算法避免了局部最优,明显提高了模型预测精度,且所需迭代次数和时间均明显减少。     

基于BP神经网络的宏观经济季度预测

运用BP神经网络预测技术对季节性宏观经济数据进行了预测,筛选出效果优良的模型,提出了对于季节性时间序列一般的神经网络建模步骤.     

基于BP神经网络的宏观经济季度预测

运用BP神经网络预测技术对季节性宏观经济数据进行了预测,筛选出效果优良的模型,提出了对于季节性时间序列一般的神经网络建模步骤。     

基于BP神经网络模型的温度预测方法

车间里特定高温环境下对多点的温度监测数据是风机是否工作的重要参数。为了能更好地保护风机,提出一种基于BP神经网络来分析预测温度变化趋势的方法,达到了减少风机工作时间,延长风机寿命的效果。     

基于BP神经网络的Ni-MH电池容量预测

针对Ｎｉ－ＭＨ电池容量检测法测量间长,工作效率低的缺点,应用ＢＰ前馈神经网络理论,提出了一种对Ｎｉ－ＮＭ电池容量进行预测的方法,具有算法简单、权值无需计算和仿真效果好等特点。