基于神经网络的炭气凝胶孔结构的预测与优化模型研究（英文）

如何控制和预测孔结构是炭气凝胶研究的重要课题。然而,由于耗时耗财,导致实验方法研究控制和预测孔结构成为难题。本文提出一种基于神经网络的炭气凝胶孔结构的预测与优化模型,并采用遗传算法设计和优化模型,对六种典型训练算法模型性能进行比较分析。利用该模型对孔径和吸附容量进行预测,两者的预测相关系数分别为0.992和0.981,预测均方根误差分别为0.077和0.054。经测试,该模型与实验研究的结果相符,并有效的应用于预测和控制炭气凝胶实验参数。