计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2006年
7期
639-642
,共4页
推进剂燃速预估%遗传算法%神经网络
推進劑燃速預估%遺傳算法%神經網絡
추진제연속예고%유전산법%신경망락
为了提高固体推进剂燃速预示精度,将遗传算法(Genetic Algorithm)与误差反传(Back Propagation)网络结构模型相结合,设计了用遗传算法优化神经网络权重的新方法.以固体推进剂燃速数据库为基础,对推进剂的燃速进行了预估,并与BP算法进行了比较.结果显示,预估值与实际值接近,误差小于BP算法模型,具有良好的预示效果,为推进剂燃速预估提供了新方法.
為瞭提高固體推進劑燃速預示精度,將遺傳算法(Genetic Algorithm)與誤差反傳(Back Propagation)網絡結構模型相結閤,設計瞭用遺傳算法優化神經網絡權重的新方法.以固體推進劑燃速數據庫為基礎,對推進劑的燃速進行瞭預估,併與BP算法進行瞭比較.結果顯示,預估值與實際值接近,誤差小于BP算法模型,具有良好的預示效果,為推進劑燃速預估提供瞭新方法.
위료제고고체추진제연속예시정도,장유전산법(Genetic Algorithm)여오차반전(Back Propagation)망락결구모형상결합,설계료용유전산법우화신경망락권중적신방법.이고체추진제연속수거고위기출,대추진제적연속진행료예고,병여BP산법진행료비교.결과현시,예고치여실제치접근,오차소우BP산법모형,구유량호적예시효과,위추진제연속예고제공료신방법.