基于遗传算法优化的BP神经网络预测混凝土抗压强度

针对传统BP神经网络预测能力的不足,采用遗传算法优化的BP神经网络预测混凝土28d抗压强度,并建立了GA-ANN预测模型。一方面对模型输入项进行灰色关联分析,找出对强度影响的重点关联因素;另一方面,研究了模型在不同输入项组合、不同训练组和输出组数、不同网络隐含层节点数的操作条件下,其预测精度有何变化,找出了最优的上述操作条件,减少了预测误差。     

换热器污垢特性的建模与预测

搭建了污垢实验系统以测量管壁温度及出、入口温度等参数,以3个壁温、出口温度、入口温度作为模型的输入变量,以污垢热阻值作为模型的输出变量,利用偏最小二乘算法拟合出污垢特性预测方程。利用第二个运行周期对该预测模型进行了验证。通过比较预测结果和实验结果可知最大相对误差在8.5%以内。通过分析各单一自变量对预测模型的影响,得出了四变量优化模型,从而提高了模型的预测精度,同时分析了流速等对预测模型的影响。     

煤种成浆性的人工神经网络预测模型研究

为更好地预测煤的成浆性,以大量煤种成浆浓度试验数据为基础,建立了3个输出因子的神经网络成浆浓度预测模型,模型采用L-M算法,对输入数据进行数据预处理,最后对比分析了神经网络预测模型与回归分析模型的预测结果。结果表明,以A_d、哈氏可磨性指数HGI和氧含量O为输入因子的模型预测结果平均绝对误差为0.63%,以M_(ad)、HGI和O为输入因子的模型预测结果平均绝对误差为0.60%,以M_(ad)、HGI和氧碳比O/C为输入因子的模型预测结果平均绝对误差为0.40%,3种组合的模型结果均小于回归分析模型的平均绝对误差1.15%。因此神经网络模型比回归分析模型有更好的预测能力,其中以M_(ad)、HGI和O/C为输入因子的神经网络模型预测结果最好。     

基于最小二乘支持向量回归机的光管污垢特性预测

搭建了污垢实验系统以测得管壁温度和出、入口温度等参数,并将这些参数作为模型的输入变量,以污垢热阻值作为模型的输出变量,利用最小二乘支持向量回归机搭建了污垢预测模型,对光管的污垢特性进行了预测。一方面,通过与测量结果相比较,验证所搭建的模型是合理可行的;另一方面,通过对多次预测结果分析比较得出,该模型不但适用于流速、水浴温度、材质等参数为定值的情况,而且当这些参数发生改变时,该模型也是适用的。     

活性炭吸附甲基橙模拟废水预测模型研究

分别采用BP人工神经网络算法及多元线性回归法,以实验所得的36组数据为样本,建立了以吸附时间、活性炭投加量及甲基橙废水浓度为输入变量,以活性炭吸附处理后甲基橙溶液的吸光度为输出变量的吸附预测模型,并进行了两模型预测效果的对比。结果表明,BP神经网络模型获得了比多元线性回归更好的拟合预测效果。使用BP神经网络模型可以实现同时考虑三个操作因素条件下活性炭吸附特性的预测,而且预测结果与实验数据吻合度较高,其预测样本最大和最小相对偏差分别为2.92%和0.029%,残差绝对值小于0.050 5。     

Aspen Plus Dynamics软件在多变量模型预测控制中的应用

多变量模型预测控制是一种能够处理大滞后、强耦合和非线性等问题的先进控制算法,核心是多输入、多输出的预测模型。工业应用中通过对实际装置进行测试来回归模型参数,需要较长的实施周期。介绍了Aspen Plus Dynamics软件在搭建预测模型中的应用。     

一种粉煤灰混凝土砖渗透性的智能预测方法

渗透性是评价高性能混凝土的重要指标之一.提出了一种最小二乘支持向量机的掺粉煤灰高性能混凝土的氯离子渗透性预测新模型.以水胶比、水泥用量、单方混凝土用水量、粉煤灰掺量四项因素为输入,氯离子渗透系数为输出,通过最小二乘支持向量机模型拟合输入与输出之间的复杂非线性函数关系.以实验数据为样本对模型进行学习训练,用训练好模型预测在一定工艺条件下混凝土氯离子渗透系数.实践表明,该方法具有建模速度快、预测精度高、操作简便等优点,不仅克服了常规的BP预测模型的不足,而且性能优于标准支持向量机预测模型.     

基于粒子群优化算法-广义回归神经网络的磷化膜耐蚀性预测模型

选取磷化液温度、磷化液游离酸度和磷化时间作为输入参数,耐点蚀时间作为输出参数,引入广义回归神经网络(GRNN)建立磷化膜耐蚀性预测模型,并分别采用果蝇优化算法(FOA)、粒子群优化算法(PSO)对平滑因子寻优进而优化预测模型.使用18组训练样本对优化后模型进行训练,9组检验样本用于优化后模型的预测准确度评价.结果表明:PSO-GRNN模型的预测值非常接近真实值,预测相对误差在[0.001,1.778]区间内,均方根误差最低、为0.682.与常规BPNN模型和FOA-GRNN模型相比,PSO-GRNN模型的预测准确度较高,对磷化膜耐蚀性预测效果良好.     

BP神经网络在膜分离处理废水中的应用

为能更好地预测工艺条件对膜分离过程的影响,运用BP神经网络技术建立输入变量为压差、流速、浓度和温度,输出变量为膜通量的预测模型。通过大量实验数据训练预测模型,得到的网络模型整体误差平方和仅为0.014 5;计算值与模拟值相比,10组不同条件的膜通量平均预测误差仅为1.1,证实了所建立的BP神经网络膜通量预测模型与实验值吻合程度较好,有较好地预测能力。在此基础上进一步考察了工艺参数对膜分离过程的影响。     

基于人工神经网络的电力负荷预测算法研究

电力负荷数据管理系统是电力营销技术支持系统的组成部分,对电力系统运行有着重要的辅助作用。采用神经网络预测模型．设计输入变量和确定神经网络结构的方法和算法．可以使得从历史样本知识数据到最终预测模型的建模过程变得简单明了,便于实际应用。预测方法是使用MATLAB建立模型,对24个负荷点预测,采用多输入单输出的神经网络预测每天的整点负荷值。因为电力负荷与环境因素有关,在输入、输出向量设计中输入变量加入天气特征值。根据输入、输出向量对BP网络设计。该算法结构简单,最后进行短期负荷预测仿真,仿真结果表明其有较好的预测精度。该模型具有网络结构较小,训练时间短的优点,并考虑不同小时负荷差异,易于实现,具有较高的预测精度．预测误差在15％以下,一定程度上克服传统算法收敛速度慢,容易陷入局部积小的缺点。     

基于BP神经网络的挤出型材线径预测模型的开发及应用

分析了小型单螺杆挤出机耗材生产线工艺因素与三维（3D）打印耗材线径间的相互关系,建立了一个基于反向传播（BP）神经网络的预测模型,将生产线的定径模头温度（三段）、机筒温度、螺杆转速、牵引机转速作为输入变量,耗材线径作为输出变量。结果表明,该BP神经网络预测模型能获得较精确的结果,预测模型性能较好,并基于所开发的网络模型设计开发生产线预测软件,该软件对高效地合理安排加工工艺具有一定指导意义。     

紧凑型气浮装置油水预分离区结构选型的数值研究

采用计算流体软件Fluent对4种不同预分离区结构的紧凑型气浮装置(CFU)的油水分离性能进行了数值研究. 在建立稳定可靠计算模型的基础上,分析了给定设计流量和入口含油率情况下4种预分离区结构型式的除油率及油相分布情况,并研究了入口处理量和含油率变化对CFU除油率的影响. 结果表明,同种预分离区结构型式下除油率与处理量和入口含油量有关,处理量给定时,除油率随入口含油率增加而增大,入口含油率给定时,除油率随处理量增加而降低;在设计流量4 m3/h和入口含油率2000 mg/L条件下,中心柱锥通筒喇叭口朝上结构的综合除油性能最好,除油率达87.13%,且具有较大的操作弹性.     

固体氧化物燃料电池温度系统的改进型广义预测控制方法

固体氧化物燃料电池的工作状态是一个高温、高速率变化的化学反应过程,其入口气体温度的稳定性直接影响到燃料利用率和电池效率。本文提出一种改进的带有外部输入的非线性自回归积分滑动平均模型,结合两极燃料和空气的流量比、负载电流变化值来实现入口气体温度的非线性广义预测控制方法,采用了基于非线性最小二乘法的Levenberg-Marquardt算法确定该模型的参数。仿真结果表明,该模型与温度控制系统的传递函数模型相结合后能有效并迅速的获得燃料、氧化剂流量这两种操作量的预测值并使系统在较高的温度工作点当负载电流发生波动时能克服变化引起的参数偏差,保持运行时输出电压的稳定性。     

甲醇气体的电晕放电分解特性模拟

分别用2种内径、4种长度的黄铜圆管作为正极,2种直径的电晕线作为负极构成电晕放电反应器,分解去除低体积分数甲醇气体。去除率随电流密度的增加而上升,随入口甲醇体积分数的增高和气体流速的增大而降低。考察反应和传质对过程的共同影响,建立了描述反应器内甲醇和臭氧体积分数变化的数学模型。模型在多种反应器长度和内径、电晕线直径等装置条件,以及多种电流密度、入口甲醇体积分数、气体流速等操作条件下,预测结果的平均相对误差小于6.4%。本研究量化了甲醇电晕放电分解的过程变化,可作为反应器的设计和运行控制的依据。     

支持向量机在丁苯橡胶合成及加工中的应用

采用支持向量机（SVM）与粒子群寻优算法,建立了丁苯橡胶SBR 1712聚合过程和硫化工艺的模拟模型。结果表明,以SBR 1712产品性能胶乳固含量、门尼黏度和分子量分布系数作为输入,乳液间歇聚合所采用的引发剂、活化剂、链转移剂用量分别作为输出的预测模型,训练集及测试集的决定系数均大于0.8,模型预测值与实验值相吻合。以SBR 1712硫化加工中产品的邵尔A硬度、焦烧时间、最小弹性转矩、最小黏性转矩作为输入变量,建立了以填料炭黑用量作为输出的SVM模型,模型拟合及预测性能效果较好。     

基于实验设计的L-谷氨酸连续结晶过程优化

对于采用连续振荡挡板式结晶器进行β型L-谷氨酸的冷却结晶,提出一种基于实验设计的晶体产品尺寸分布预测模型和过程操作条件优化方法。将连续管式结晶器的振荡频率、2个区段的降温速率作为操作变量,设计一个包含3因素3水平的响应面实验方案。通过检测不同实验条件下的晶体产品弦长分布,构建一个基于双层基函数的晶体产品尺寸分布预测模型。然后引入一个关于目标晶体尺寸分布和产品收率的目标函数,并且利用上述预测模型,建立一个优化过程操作条件的方法。通过对β型L-谷氨酸冷却结晶过程的仿真和实验,验证了该方法的有效性和优点。     

死端微滤酵母悬浮液比阻的预测

本文首先设计了三因素四水平的正交实验表作为建模样本,其次利用人工神经网络方法和多元线性回归方法分别建立了基于操作条件（压力△P=0.04-0.12 MPa,浓度C = 0.3-2.0 g.L^-1,温度T = 20-40℃）的比阻预测模型,以期用于死端微滤过程操作条件的优化,最后以检验样本的相对误差作为衡量指标,分别采用BP人工神经网络方法和多元线性回归方法对死端微滤过滤酵母悬浮液时的比阻进行了预测。研究结果表明：(1) 在本实验范围内,BP人工神经网络模型的最佳拓朴结构为3-7-1,隐层神经元个数为7,学习速率为0.05,学习函数为traingdx, 传递函数为Logsig;用多元线性回归方法得到的比阻与操作条件之间的数学关系式为1.639883+44.2 +0.86217 -0.0607 ; (2)利用BP人工神经网络和多元线性回归方法预测死端微滤比阻的平均相对误差分别为3.55％和5.16％.由此可见,这两种方法都可用于死端微滤比阻预测,并且前者优于后者。     

基于改进PLS算法的火电机组燃煤热值建模

通过对入炉燃煤工业分析数据和与热值的关系进行分析,选取了燃煤水分、灰分、挥发分、固定碳和全硫分5种工业分析成分作为模型的输入,以燃煤热值作为模型输出,基于改进偏最小二乘(PLS)算法搭建了某电厂燃煤热值预测模型。预测模型中采用PRESS值确定潜变量的个数。预测结果表明:该模型预测精度较高,预测偏差满足工程要求。     

转轮式分级器切割粒径的预测模型

针对转轮式分离器,建立不同结构参数及操作参数下的切割粒径预测模型有助于指导其设计和运行。基于相似理论以及对颗粒分离过程的分析,提出一种考虑结构参数的半经验模型,确定了模型参数,并通过实验以及文献报道的数据验证了模型的可靠性。与前人工作相比,此模型在不同的转轮分离器结构下显示出较好的通用性;此外,模型可以复现切割粒径随叶轮转速增大而先减小后增大的非单调关系,这是原有的半理论模型不能实现的。对不同结构转轮分离器性能的系统分析表明,较大的分离器入口面积及较小的导流角度可确保入口产生强旋流气流,进而使切割粒径对转速的敏感段在低转速区;而较小的分离器入口面积,或较高的入口风速可以提高对细颗粒的分离能力。对运行参数的研究表明,增大颗粒流率会减小切割粒径;调整叶轮转速可以灵活地改变切割粒径,适应不同的工作需求。     

基于LS-SVM的天然气水合物生成条件预测模型建立

在天然气管线内生成的水合物会严重影响天然气的开采、运输,因而天然气水合物的预测方法和防治措施备受重视。针对天然气水合物生成条件,考虑天然气组分对水合物生成的影响,为简化计算、提高预测精度,引入一种能够很好解决复杂物理问题的最小二乘支持向量机(LS-SVM),并且通过Matlab语言编程,建立了一种包含CH4浓度、CO2浓度、H2S浓度以及水合物生成温度为输入,水合物生成压强为输出的天然气水合物生成条件预测模型,同时将实验数据作为最小二乘支持向量机训练数据并进行预测分析。结果表明,该预测模型不仅拥有较高的预测精度,而且方法简单、可行,为天然气水合物生成条件预测提供了一种新的解决方法。