石油化工设备技术
石油化工設備技術
석유화공설비기술
PETRO-CHEMICAL EQUIPMENT TECHNOLOGY
2013年
1期
59-62
,共4页
赵林%李博文%郑丽群%杨富淋%宋以常%付伟
趙林%李博文%鄭麗群%楊富淋%宋以常%付偉
조림%리박문%정려군%양부림%송이상%부위
神经元网络%Levenberg-Marquardt算法%腐蚀速率%现场数据
神經元網絡%Levenberg-Marquardt算法%腐蝕速率%現場數據
신경원망락%Levenberg-Marquardt산법%부식속솔%현장수거
将神经元网络建模应用于炼油厂腐蚀速率预测,整理分析现场数据,对神经元网络模型进行训练,建立了低温腐蚀速率预测模型.采用改进的Levenberg-Marquardt算法训练模型,较传统的梯度下降法可以更好地完成算法收敛.神经元网络建模后,可以将现有的腐蚀数据涵盖在腐蚀模型中,便于腐蚀数据的管理和查询,同时对现场参数变化影响腐蚀速率的情况起到了预测作用.预测结果与实际值之间的平均方差为0.013 2,可以满足现场需要.
將神經元網絡建模應用于煉油廠腐蝕速率預測,整理分析現場數據,對神經元網絡模型進行訓練,建立瞭低溫腐蝕速率預測模型.採用改進的Levenberg-Marquardt算法訓練模型,較傳統的梯度下降法可以更好地完成算法收斂.神經元網絡建模後,可以將現有的腐蝕數據涵蓋在腐蝕模型中,便于腐蝕數據的管理和查詢,同時對現場參數變化影響腐蝕速率的情況起到瞭預測作用.預測結果與實際值之間的平均方差為0.013 2,可以滿足現場需要.
장신경원망락건모응용우련유엄부식속솔예측,정리분석현장수거,대신경원망락모형진행훈련,건립료저온부식속솔예측모형.채용개진적Levenberg-Marquardt산법훈련모형,교전통적제도하강법가이경호지완성산법수렴.신경원망락건모후,가이장현유적부식수거함개재부식모형중,편우부식수거적관리화사순,동시대현장삼수변화영향부식속솔적정황기도료예측작용.예측결과여실제치지간적평균방차위0.013 2,가이만족현장수요.
