基于BP网络模型的水合肼合成收率预测及参数优化

采用BP算法建立了水合肼合成收率的神经网络模型,所建网络有良好的回想和泛化性能,对水合肼合成收率预测的平均相对误差小于0.5%。运用网络模型考察了反应温度、物料配比、次氯酸钠流量等操作参数对水合肼合成收率的影响,同时确定了获得较高合成收率时各操作参数的优化值。     

基于NSGA-II结合BP网络算法的乙醇制备 C4烯烃优化模型

乙醇偶合制备C4烯烃工艺广泛应用于化工生产,探寻实现乙醇转化率与烯烃收率最大化的催化剂组合与温度条件具有重要意义。根据反应过程性能数据,分别运用多元回归与BP网络建立反应条件与烯烃收率的回归预测模型,结果表明BP网络模型对烯烃收率的预测值有较高的精度。建立多目标优化模型,基于BP网络良好的预测能力,采用NSGA-II算法进一步优化可得满足目标的催化剂与温度方案,此时乙醇转化率与烯烃收率分别为64.67%,35.921%。随后进一步分析比较NSGA-II算法和经典遗传算法分别优化BP网络模型获得的烯烃收率预测误差,验证了所用算法的精确性与有效性。     

应用BP神经网络预测加氢裂化尾油蒸汽裂解产物收率

研究了BP神经网络对加氢裂化尾油蒸汽裂解产物收率的预测,并介绍了该BP神经网络的结构、基础数据以及研究结果。从预测数据和实验数据对比结果来看,应用神经网络对加氢裂化尾油裂解产物收率进行预测是可行的。结论是：在保证基础训练数据的准确性和合理选取的情况下,BP神经网络将是一种有效的预测加氢裂化尾油裂解产物收率的方法。     

改进的BP网络在储层速敏损害预测中的应用

研究BP神经网络算法,建立一套神经网络预测模型,用于预测评价油气层的油气损害程度,为保护油气层拔高油气产量提供有力帮助.利用MATLAB 7.9.0中的BP神经网络算法Levenberg-Marquardt作为神经网络预测模型,以实验生产井的油气层数据作为训练样本,对该井区油气层进行预测准确率达到了95%.为提高油气的生产和推广神经网络系统在油气预测方面的应用起到了积极促进作用.     

基于改进BP网络与MISO模型的污水系统建模

利用共轭梯度学习算法改善了BP神经网络的性能,并提出四层BP网络用于污水处理过程水质指标的建模和模拟,在一定程度上避免了采用负梯度方向学习算法收敛速度慢和易陷于局部极小点的缺点,提高了模型的精度,在处理大量数据和在线控制时显得尤为重要;利用改进后的BP网络对某污水处理厂的进出水水质建立了MIMO和MISO模型,并进行了对比和评价分析。     

基于Sigmoid函数参数调整的双隐层BP神经网络的板形预测

提出一种改进的BP神经网络处理板形缺陷数据的方法,建立双隐层BP神经网络模型,并对Sigmoid激活函数的形状进行调节。将其应用到冷轧的板形缺陷识别中,与利用Levenberg-Marquardt规则训练的BP神经网络预测结果作对比,表明该方法不仅有效地减少双隐层BP网络的学习时间,同时改善了网络的泛化能力,有利于板形缺陷在线识别。     

基于BP神经网络及PSO算法的食品输送齿轮注塑工艺参数优化研究

以食品输送系统的塑料齿轮为研究对象,首先利用正交试验法进行翘曲分析,得到最小翘曲量为1.952 mm。然后利用正交试验中的工艺参数和翘曲量分别作为输入层和输出层来构建一个三层的BP神经网络,经过训练和测试,得到一个性能较好的神经网络模型。最后利用这个模型计算粒子群优化(PSO)算法各粒子的初始适应度值,并以翘曲量为目标对工艺参数进行优化。优化得到的塑料齿轮最小翘曲量为1.853 mm,经过翘曲分析验证后得到翘曲量值为1.830 mm,误差1.2%,相比于正交试验法优化效果更好。     

基于BP神经网络的尿素造粒喷头性能预测

尿素造粒喷头及其操作参数对尿素颗粒的空间分布和粒径分布有着重要影响,介绍了BP神经网络模型的建立及有关参数的选取,运用该模型对不同工况下颗粒在塔径向上的分布和颗粒粒径分布进行了预测,并用于指导实际生产,确保产品质量稳定。     

基于改进人工鱼群算法优化的BP神经网络预测控制系统

为了使传统的BP神经网络预测控制的收敛速度更快、准确率更高,提出一种改进的人工鱼群算法。分别用BP神经网络、PSO-BP神经网络和IAFSA-BP神经网络来优化预测控制系统的建模部分和滚动优化部分,并进行仿真试验,结果表明:IAFSA-BP神经网络优化后的预测模型精度更高,并且滚动优化部分的响应速度加快,控制系统更稳定。     

用BP神经网络和遗传算法优化电沉积Cu-W的工艺参数

用神经网络和遗传算法(BP-GA)优化电沉积Cu-W的工艺参数。结果显示:BP-GA预测结果与试验结果较接近,相对误差为9.05%,说明BP-GA优化电沉积工艺参数有较高的预测能力和准确度。     

基于BP神经网络的电力负荷预测算法

将BP神经网络用于电力负荷预测。给出了具体的数据处理方法、神经网络构造及预测结果评价方法。在南京市夏季电力负荷统计数据集上面的实验结果表明．BP神经网络能够对电力负荷进行较好地预测。     

基于BP神经网络的焦炭质量预测

分析了配煤炼焦中影响焦炭质量指标的各种因素及传统焦炭质量的预测方法。以天津天铁焦化厂的配合煤及生产焦炭的各项实际数据为基础,在MATLAB环境下,进行了基于BP神经网络对焦炭质量预测的方法研究。实验结果显示:3种网络的误差基本相同,范围在2%～0.05%,以中间层为15个神经元的略好,满足焦炭质量的预测要求。     

基于BP神经网络的导管接头注塑工艺参数优化

以医用介入导管接头为研究对象,基于塑料成型理论在Moldflow软件中进行导管接头模流分析,通过正交实验极差分析,确定了注塑工艺参数对导管接头缩痕指数的影响趋势,得到最佳工艺参数组合.针对实际生产中出现的缩痕缺陷,建立导管接头缩痕指数的BP神经网络参数模型,并用遗传算法进行优化,同时对结果进行仿真模拟,得到缩痕指数为0...     

基于BP 神经网络的塑料齿轮玩具注射成型优化分析

以某塑料拼插齿轮玩具为研究对象,采用自然平衡法设计1模144腔注塑模具。对有限元模型进行合理简化,并采用Moldflow软件进行塑料齿轮注射成型过程中的流动和翘曲分析。针对初始方案中出现的熔接痕和翘曲等缺陷,建立齿轮玩具BP 人工神经网络模型,通过BP神经网络算法训练各工艺参数,并对体积收缩率和总翘曲量进行预测。将训练后较优的工艺参数组合应用于注射成型后,使得该塑料齿轮熔接痕分布改变,翘曲变形量明显降低。     

基于BP人工神经网络的橡胶老化预报模型

依据BP神经网络系统能够利用人工智能的方法，准确分析多变量非线性系统的特性，采用多层向前BP神经网络系统建立起了橡胶老化预报模型。并利用此模型计算分析了丁基硫化橡胶基于温度与时间老化预报。结果表明，模型计算与实验在结果上有较好的一致性。     

基于BP神经网络的教学质量评价的探讨

教学是学校的基本功能,正确评价教学质量具有重要的实际意义。本文在分析现有教学评价方法的基础上,结合BP神经网络的特点,探讨了基于BP神经网络的教学质量评价方法。通过分析教学质量评价体系,我们构建了教学质量评价BP神经网络模型,模拟检验结果表明,BP神经网络可以有效、准确地评价教学质量。     

基于BP神经网络的臭氧精确投加控制系统

自来水厂采用臭氧化工艺时臭氧投加量通常由生产经验判断确定,缺乏一定的准确性和时效性.根据浙江省T水厂150组实际运行样本数据,选用BP神经网络构建臭氧投加系统的前馈控制模型,能够在给定的工艺参数条件下较好地预测出水水质情况,也可根据进水水质情况和预期出水水质目标对所需的臭氧投加量进行预测.结果表明:基于BP神经网络的臭...     

BP神经网络在非线性系统建模中的应用

介绍了采用BP神经网络建立系统数据间的非线性关系的数学模型,利用三层BP网络,结合Matlab神经网络工具箱,模拟肼与过氧化氢的反应过程,将预测的结果和实验数据作比较,结果表明该模型的预测值和试验值吻合的很好,是一种可行的数据处理方法。