基于GA-BP神经网络的超临界二氧化碳折射率及密度预测

发布时间：2021-11-02 08:02

　　基本光学性质折射率是研究物质物理性质的重要参数。本文以超临界二氧化碳（S-CO₂）为对象,整合各文献在不同温度、压力下对S-CO₂折射率的测量数据,使用遗传算法（GA）优化后的BP神经网络建立了预测S-CO₂折射率的模型,并基于S-CO₂密度与波长、折射率内在联系的洛伦兹-洛伦兹关系式,对S-CO₂的密度进行反演。结果表明:该模型预测S-CO₂折射率的最大相对误差仅为0.844%;反演的S-CO₂密度值同REFPROP软件结果相比,平均误差不超过3.65%;在亚临界和超临界区,通过实验测量折射率来研究CO₂物性是可行的;在近临界区,由于CO₂物性变化剧烈,对折射率变化规律的测量及折射率与CO₂物性的关系尚需进一步研究。 

【文章来源】：热力发电. 2020,49(10)北大核心

【文章页数】：6 页

【部分图文】：

BP神经网络结构

由于折射率与光波长、温度、压力有关，故以这3个参数作为输入变量，将折射率作为输出变量。为确定神经元的个数，计算了不同神经元个数的网络，并比较了训练集均方误差和测试集拟合优度，结果如图3所示。由图3可见，当神经元个数为11时，训练集的误差和测试集的拟合效果都非常好。因而最终确定神经元结构为3-11-1。图3 不同神经元个数的神经网络性能对比

不同神经元个数的神经网络性能对比

【参考文献】：
期刊论文
[1]近临界区CO2物性预测模型对比与修正[J]. 章聪,江锦波,彭旭东,赵文静,李纪云.  化工学报. 2019(08)

硕士论文
[1]CO2脉冲激光作用于跨临界流体的折射率及布里渊散射初步探索[D]. 尹德益.华中科技大学 2011
[2]近临界流体密度及折射率的实验研究[D]. 夏国正.华中科技大学 2009
[3]超临界流体光学池的设计与超临界流体折射率的测试[D]. 王锡兵.华中科技大学 2006



本文编号：3471651