在考慮氣化爐頂部溫度、中部溫度、底部溫度、空氣流速、蒸氣流速、反應(yīng)時間以及生物炭添加量等多參數(shù)的情況下,建立自熱式固定床氣化過程合成氣動態(tài)神經(jīng)網(wǎng)絡(luò)模型,以實現(xiàn)對氣化過程中的氣體濃度（H₂, CH₄, CO, CO₂）動態(tài)過程預(yù)測.采用不同策略實現(xiàn)對網(wǎng)絡(luò)參數(shù)選擇與模型結(jié)構(gòu)優(yōu)化,同時通過嵌入適當(dāng)數(shù)量的隨機噪聲來避免模型陷入局部最優(yōu).模型對氣化過程中H₂濃度變化曲線的預(yù)測決定系數(shù)（R²）達到0.8646. 

【文章來源】：福州大學(xué)學(xué)報(自然科學(xué)版). 2019,47(05)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 ANN模型與方法
2 生物質(zhì)氣化BP神經(jīng)網(wǎng)絡(luò)模型建立
    2.1 建模數(shù)據(jù)的篩選
    2.2 兩種結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)模型的建立
    2.3 神經(jīng)網(wǎng)絡(luò)模型的評價
3 生物質(zhì)氣化BP神經(jīng)網(wǎng)絡(luò)模型修正與預(yù)測
    3.1 模型結(jié)構(gòu)與參數(shù)的修正
    3.2 實驗結(jié)果與預(yù)測結(jié)果的比較
4 結(jié)語


【參考文獻】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的生物質(zhì)氣化建模[J]. 劉軍德,趙乘麟.  軟件導(dǎo)刊. 2018(07)
[2]神經(jīng)網(wǎng)絡(luò)七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽.  計算機學(xué)報. 2016(08)
[3]生物質(zhì)氣化過程的混合神經(jīng)網(wǎng)絡(luò)模擬[J]. 郭兵,唐松濤,呂子安,李定凱,沈幼庭.  太陽能學(xué)報. 2001(01)

碩士論文
[1]基于遺傳算法與人工神經(jīng)網(wǎng)絡(luò)的加熱爐建模方法研究[D]. 楊猛.中國科學(xué)技術(shù)大學(xué) 2017
[2]BP神經(jīng)網(wǎng)絡(luò)的改進研究及應(yīng)用[D]. 馬海志.東北農(nóng)業(yè)大學(xué) 2015



本文編號：3194992