BP神经网络及其在化工优化中的应用

人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｌ简称ＡＮＮ）作为一种新型的黑箱方法,是近年来迅速发展的研究热点。它是由大量的简单处理单元（或称神经元）广泛连接而形成的复杂网络系统,处理问题时不需要了解输入输出之间的相互关系,其自学习功能能够“记忆”样本所含的信息,网络只是根据训练样本的数据来自动寻找相互关系,给所研究的系统以具体的数学表达,从而使系统的定量、预测及优化成为可能。在研究复杂系统的优化问题上,人工神经网络显示出其独特的优越性,目前已在生物科学、自动控制、化学工程等众领域取得了很大…     

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。     

BP神经网络在滚动轴承故障诊断中的应用研究

介绍了BP神经网络基本原理,进行模拟实验,验证了BP神经网络可用于滚动轴承故障诊断,分析了BP神经网络在故障模式识别中的特点。     

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。     

BP神经网络在预焙阳极生产中的应用

以生阳极生产配方选择为例,初步论述了BP神经网络在预焙阳极生产中的应用,实际运行结果表明,仿真效果是令人满意的。     

BP神经网络在橡胶配方优化设计中的应用

在实验数据的基础上,利用BP神经网络建立了表示NBR胶料配方成分与硫化胶硬度、300%定伸应力、伸长率对应关系的数学模型,并用该数学模型对不同配方硫化胶的硬度、300%定伸应力、伸长率进行了预测。预测结果与试验值的偏差小。结果表明,所建立的数学模型可靠,训练好的BP神经网络能够比较准确地预测硫化胶的有关性能,BP神经网络方法的精度较高。     

BP神经网络在橡胶配方设计中的应用进展

对BP神经网络的概念、原理、模型建立、存在的问题及其在橡胶配方设计中的应用进行综述。BP神经网络由输入层、隐层和输出层三部分组成,具有极强的非线性处理、自组织调整、自适应学习及容错抗噪能力,特别适用于研究材料配方与制品性能之间关系的复杂非线性系统特性,在橡胶配方设计中得到广泛应用。     

BP神经网络模型在生活污水处理中的模拟应用研究

通过构建并训练BP神经网络预测模型,分别对污水处理厂出水CODCr、NH3-N浓度进行预测,并用实际监测值检验预测精度。预测结果说明,BP网络模型在污水处理厂水质模拟预测方面具有可行性。     

BP神经网络在合成镁钙砂中的应用

利用人工神经网络技术 ,建立BP网络模型 ,通过网络的学习训练 ,能够比较准确地预测影响合成镁钙砂粉化率的因素     

BP神经网络在油水井压裂酸化选井中的应用

要获得好的压裂酸化增产效果，选择合适的施工井是很重要的。本文采用BP神经网络模型，对需要进行压裂的井进行排序。该方法克服了模糊数学方法在压裂酸化选井中对权重人为的设定，达到了科学决策的目的。并采用MATLAB6．5软件对此方法经行计算。     

改进BP神经网络在胎面挤出参数预测中的应用

采用隐含层数为4,每个隐含层单元数为10的改进BP神经网络预测销钉机筒冷喂料挤出机的胎面挤出参数.与传统BP神经网络相比,改进算法采用惯性冲量校正、限幅输出和步长自适应解决传统算法学习速度慢且易于陷入局部最小值的问题.Matlab仿真表明,改进算法的收敛速度和收敛效果均明显比传统BP神经网络算法好.训练好的神经网络对胎面挤出过程的参数预测和试验结果间的最大误差为1%,大部分误差小于0.5%.     

基于LDIW-PSO算法的BP神经网络在压力传感器中的应用

提出基于LDIW-PSO算法优化的BP神经网络温度补偿方法。优化的BP神经网络使用LDIWPSO算法调整其权值和阈值,使之收敛速度快,不会产生局部极小值问题。通过实验和仿真结果可以看出:该算法对温度补偿精度高、误差小,效果明显。     

BP神经网络在西北地区集雨窖水水质评价中的应用

本研究以会宁地区集雨窖水水质中的CODMn、NH3-N、DO三个参评指标作为集雨窖水水质等级评价的输入特征值,建立了BP神经网络水质评价模型,得出集雨初期的窖水水质基本上为ⅴ类或超ⅴ类,随着时间的增长窖水水质有明显改善,可达到Ⅰ~Ⅱ类水质。     

BP神经网络在裂缝密度识别中的应用

由于其很好的自适应性和非线性映射能力,神经网络技术在石油领域得到了广泛的应用。结合模糊相关性分析和主成分分析的方法,利用改进的BP神经网络的方法,通过岩心和成像标定的常规测井数据实现对单井裂缝密度的识别,取得了很好的效果。     

BP神经网络在乙烯裂解炉预测分析中的应用研究

利用MATLAB工具箱中的BP神经网络模型建立了乙烯裂解炉的三层神经网络模型,应用该模型分析和预测了裂解产物乙烯和丙烯的收率。预测结果与生产过程数据的比较表明,该模型能适合实际生产过程,可用于乙烯生产的预测分析和预测控制。     

BP神经网络分光光度法在多组分体系分析中的应用研究

介绍了BP神经网络的基本原理，用BP神经网络分光光度法解决了多组分体系中各组分曲线相互重叠的问题，不需要用物理的、化学方法进行分离或掩蔽而测定出各组分的相对含量，具有简便、准确的优点。     

BP神经网络在妥尔油改性酚醛树脂研制中的应用

研究BP神经网络在妥尔油改性酚醛树脂研制中的应用。结果表明,通过建立神经网络模型,以原料松香的松香酸质量分数、妥尔油改性酚醛软化点和相对分子质量作为条件,可以预测妥尔油改性酚醛树脂胶料的门尼粘度、门尼焦烧时间、硫化特性和拉伸性能,从而研制出适用且具有稳定应用性能的妥尔油改性酚醛树脂。     

BP神经网络在爆破块度预测中的应用研究

本文应用BP神经网络对水泥矿山爆破块度进行仿真预测研究,使用Matlab软件建立一个3层前馈型BP神经网络模型,并在网络模型训练完毕后进行实测样本的仿真预测验证。试验结果表明,应用BP神经网络模型预测矿山爆破块度分布完全可行,且具有较高的精度;网络模型还可在矿山爆破参数优化设计方面起到辅助验证的作用。     

基于测井资料的BP神经网络模型在储层渗透率定量预测中的应用

本文针对某油田的地质特点,提出了一种基于BP神经网络利用测井资料求取地层渗透率的实用方法。该法从测井信息与地层渗透率的关系出发,选用与地层渗透率密切相关的孔隙度,通过BP神经网络建立储层渗透率的数学模型。通过实例研究,预测结果的准确性较高且明显优于其它线性回归分析预测的结果,认为此法可以作为一种储层渗透率定量预测的方法。     

BP神经网络在危化品安全生产风险预警中的应用

分析危化品安全生产的风险特点,构建基于BP神经网络的安全生产风险预警模型.该模型综合考虑了危化品储罐及化工工艺装置的固有危险性、安全状态关键参数、气象参数、消防应急能力等信息,建立了相应的风险预警指标体系,并对BP神经网络进行反复迭代训练,得到了危化品安全生产风险预警模型.研究表明,将BP神经网络计算方法运用于建立安全...