BP神经网络在甲烷化学链重整反应中的应用研究
发布时间：2021-01-07 03:17
甲烷化学链重整反应是一种值得探究的天然气的化工利用方式,铈基复合载氧体是该体系中一种备受关注的载氧体。本文使用BP神经网络及改进型BP神经网络,对一由铈基复合载氧体催化的甲烷化学链重整反应进行模拟,为其体系分析、结果预测、工艺优化等提供更智能的参考意见。基于419组提取的由铈基复合载氧体催化的甲烷化学链重整反应的实验数据,本文建立了关联载氧体制备阶段的复合金属氧化物种类、氧化铈摩尔比、复合氧化物摩尔比、制备方法、焙烧温度、焙烧时间与燃料反应器反应阶段的反应温度、反应时间、循环次数这9个输入变量与反应结果评价阶段的CH4转化率、CO选择性、H2选择性这3个输出变量的7个BP神经网络模型,即1个普通神经网络BP-dlp和6个改进型神经网络BP-dlp2、BP-dxtt、GA-BP、PSO-BP、CS-BP和DE-BP。其中,PSO-BP神经网络模型的网络性能最佳。使用PSO-BP模型,首先预测了某一甲烷化学链重整反应实验条件下的实验结果,预测数据与实际数据的相对误差最小为0.118%;其次寻找到了使实验结果最优的复合载氧体制备条件和燃料反应器反应...
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
生物神经元模型
图 1.1 生物神经元模型Fig 1.1 Biological neuron model示，生物神经元（Biologicalneuron）由细胞体、树突、轴突、突神经元接受刺激、产生兴奋并传导兴奋，神经元彼此之间互相形成合或协调各种同时或相继接受的输入信息，并对信息进行传递与处活动有规律地进行。总的来说，由生物神经元构成的生物神经网络应功能、信息整合功能、信息储存功能、学习与记忆以及思维、意功能[34]。通过模仿生物神经元的运作规律，研究人员提出了人工神物神经系统的抽象和简化。
图 1.3 多输入神经元模型Fig 1.3 Multiple-Input Neuron Model 1.3 为多输入神经元 i 的示意图。外界给神经元 i 的 n 个输入信号为 x1，x2，表示为 X=(x1, x2, ···, xn)T。输入信号与神经元 i 之间的连接权重为 w1i, w2i, ···, w为 W=(w1i, w2i, ···, wni)T。bi表示神经元 i 的阈值。当神经元 i 输入信号与连接权∑(wni*xn)超过 bi时，神经元兴奋被激活，ui表示神经元 i 的激活值，可表示为ui=∑(wni*xn)- bi(1i表示神经元 i 的输出信号，可表示为：yi= f (ui) (1 ()表示各层节点之间的激励函数。 1.4 即为由 S 个神经元组成的一个单层神经网络。
本文编号：2961794
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
生物神经元模型
图 1.1 生物神经元模型Fig 1.1 Biological neuron model示，生物神经元（Biologicalneuron）由细胞体、树突、轴突、突神经元接受刺激、产生兴奋并传导兴奋，神经元彼此之间互相形成合或协调各种同时或相继接受的输入信息，并对信息进行传递与处活动有规律地进行。总的来说，由生物神经元构成的生物神经网络应功能、信息整合功能、信息储存功能、学习与记忆以及思维、意功能[34]。通过模仿生物神经元的运作规律，研究人员提出了人工神物神经系统的抽象和简化。
图 1.3 多输入神经元模型Fig 1.3 Multiple-Input Neuron Model 1.3 为多输入神经元 i 的示意图。外界给神经元 i 的 n 个输入信号为 x1，x2，表示为 X=(x1, x2, ···, xn)T。输入信号与神经元 i 之间的连接权重为 w1i, w2i, ···, w为 W=(w1i, w2i, ···, wni)T。bi表示神经元 i 的阈值。当神经元 i 输入信号与连接权∑(wni*xn)超过 bi时，神经元兴奋被激活，ui表示神经元 i 的激活值，可表示为ui=∑(wni*xn)- bi(1i表示神经元 i 的输出信号，可表示为：yi= f (ui) (1 ()表示各层节点之间的激励函数。 1.4 即为由 S 个神经元组成的一个单层神经网络。
本文编号：2961794
本文链接：https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/2961794.html
