發(fā)布時間：2018-03-06 07:11

  本文選題：熱力學(xué)性質(zhì)　切入點：臨界溫度　出處：《化工學(xué)報》2016年11期 　論文類型：期刊論文

【摘要】：用遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測工質(zhì)的臨界溫度,網(wǎng)絡(luò)的輸入?yún)?shù)為分子基團(tuán)和拓?fù)渲笖?shù),輸出參數(shù)為臨界溫度。所劃分的16個分子基團(tuán)涵蓋了制冷、熱泵及有機(jī)朗肯循環(huán)系統(tǒng)中的大部分工質(zhì),所選拓?fù)渲笖?shù)能夠分辨工質(zhì)中所有的同分異構(gòu)體。通過遺傳算法優(yōu)化得到網(wǎng)絡(luò)結(jié)構(gòu)及初始參數(shù)后,由神經(jīng)網(wǎng)絡(luò)對工質(zhì)臨界溫度進(jìn)行預(yù)測,同時為了提高網(wǎng)絡(luò)對臨界溫度預(yù)測的泛化能力,將200種工質(zhì)劃分成訓(xùn)練集、驗證集及測試集。所得網(wǎng)絡(luò)能夠區(qū)分所有的同分異構(gòu)體,且與實驗值相比,各數(shù)據(jù)集臨界溫度的平均相對誤差分別為1.18%、1.69%、1.28%,表明該網(wǎng)絡(luò)對工質(zhì)臨界溫度具有很好的預(yù)測能力。
[Abstract]:The critical temperature of working fluid is predicted by genetic neural network. The input parameter of the network is molecular group and topological index, and the output parameter is critical temperature. Most of the working fluids in heat pump and organic Rankine circulatory system, the selected topological index can distinguish all the isomers in the working fluid. After the network structure and initial parameters are optimized by genetic algorithm, The critical temperature of working fluid is predicted by neural network. In order to improve the generalization ability of network to predict critical temperature, 200 kinds of working fluids are divided into training set, verification set and test set. The network can distinguish all isomers. Compared with the experimental data, the average relative error of the critical temperature of each data set is 1.18 and 1.69 and 1.28 respectively, which indicates that the network has a good ability to predict the critical temperature of the working fluid.
【作者單位】： 天津大學(xué)中低溫?zé)崮芨咝Ю媒逃恐攸c實驗室;
【分類號】：TK123

【相似文獻(xiàn)】

相關(guān)會議論文 前10條

1 張啟義;張智;梅冬;;遺傳神經(jīng)網(wǎng)絡(luò)在公路物資運(yùn)輸量預(yù)測中的應(yīng)用[A];中國運(yùn)籌學(xué)會第十屆學(xué)術(shù)交流會論文集[C];2010年

2 高丙坤;田麗;任晶秋;;非線性濾波的遺傳神經(jīng)網(wǎng)絡(luò)尋優(yōu)方法[A];第十一屆全國信號處理學(xué)術(shù)年會（CCSP-2003）論文集[C];2003年

3 蘇博;劉魯;楊方廷;;基于灰色關(guān)聯(lián)分析的神經(jīng)網(wǎng)絡(luò)預(yù)測模型研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

4 杜延春;李貽斌;王桂月;;遺傳神經(jīng)網(wǎng)絡(luò)在聲納基陣俯仰角控制系統(tǒng)中的應(yīng)用[A];2007年中國智能自動化會議論文集[C];2007年

5 李洪偉;周云龍;;基于圖像應(yīng)用遺傳—粒子群算法與遺傳神經(jīng)網(wǎng)絡(luò)結(jié)合的氣液兩相流型識別[A];高效 清潔 安全 電力發(fā)展與和諧社會建設(shè)——吉林省電機(jī)工程學(xué)會2008年學(xué)術(shù)年會論文集[C];2008年

6 金莉;何輔云;張斌;;遺傳神經(jīng)網(wǎng)絡(luò)在正交試驗中的仿真研究[A];全國第19屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

7 葉德謙;劉波;;一種改進(jìn)的遺傳神經(jīng)網(wǎng)絡(luò)及其在股市中的應(yīng)用[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

8 周敏;李飛;;基于量子遺傳神經(jīng)網(wǎng)絡(luò)的MIMO信號檢測技術(shù)[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

9 何群英;郝偉;;基于全矢譜和遺傳神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

10 張禮平;丁一匯;李清泉;張樂飛;;遺傳神經(jīng)網(wǎng)絡(luò)釋用氣候模式預(yù)測產(chǎn)品的試驗研究[A];中國氣象學(xué)會2008年年會氣候預(yù)測研究與預(yù)測方法分會場論文集[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 曲興華;在線制造質(zhì)量測控技術(shù)的研究[D];天津大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 丁芳軍;基于遺傳神經(jīng)網(wǎng)絡(luò)的射頻功放行為模型研究[D];電子科技大學(xué);2014年

2 劉念;基于VC++的手寫字母識別系統(tǒng)的設(shè)計[D];電子科技大學(xué);2014年

3 楊帥;基于遺傳神經(jīng)網(wǎng)絡(luò)PQF連軋管機(jī)組軋制工藝的設(shè)計[D];天津科技大學(xué);2013年

4 徐順;基于主成分分析的遺傳神經(jīng)網(wǎng)絡(luò)換能器一致性研究[D];浙江大學(xué);2016年

5 朱傳廣;基于遺傳神經(jīng)網(wǎng)絡(luò)的城市住宅地價評估[D];南京農(nóng)業(yè)大學(xué);2014年

6 閆沖;基于量子遺傳神經(jīng)網(wǎng)絡(luò)的鐵水溫度預(yù)報研究[D];東北大學(xué);2014年

7 鄭潔tq;遺傳神經(jīng)網(wǎng)絡(luò)在城市氣象預(yù)報中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2011年

8 董登;遺傳神經(jīng)網(wǎng)絡(luò)在地表水水質(zhì)評價中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2010年

9 尹紀(jì)軍;基于改進(jìn)遺傳神經(jīng)網(wǎng)絡(luò)的圖書采購系統(tǒng)研究[D];江蘇大學(xué);2007年

10 李海艦;遺傳神經(jīng)網(wǎng)絡(luò)在混沌時間序列預(yù)測中的應(yīng)用[D];中北大學(xué);2008年

，

本文編號：1573818