石河子大学学报（自然科学版）
石河子大學學報（自然科學版）
석하자대학학보（자연과학판）
JOURNAL OF SHIHEZI UNIVERSITY (NATURAL SCIENCE)
2013年
2期
230-235
,共6页
王淑芬%王卫%曹先航%秦金凤%牛倩
王淑芬%王衛%曹先航%秦金鳳%牛倩
왕숙분%왕위%조선항%진금봉%우천
神经网络%RBF%GARBF%预测%催化
神經網絡%RBF%GARBF%預測%催化
신경망락%RBF%GARBF%예측%최화
通过神经网络技术可找出催化工艺与催化性能之间的关联性,从而对催化性能进行预测,达到提高研究效率的目的.本文针对训练样本中奇异样本对神经网络模型预测能力和泛化能力的影响,将遗传算法思想引入神经网络,构建神经网络模型动态训练集,建立了遗传算法-神经网络模型(GARBF)；利用GARBF模型对乙炔羰基化合成丙烯酸甲酯催化性能进行预测模拟.结果表明:与RBF相比,GARBF的预测精度明显提高,对于六组测试集,平均相对误差从2.94％降低到1.18％,体现了更强的泛化能力.
通過神經網絡技術可找齣催化工藝與催化性能之間的關聯性,從而對催化性能進行預測,達到提高研究效率的目的.本文針對訓練樣本中奇異樣本對神經網絡模型預測能力和汎化能力的影響,將遺傳算法思想引入神經網絡,構建神經網絡模型動態訓練集,建立瞭遺傳算法-神經網絡模型(GARBF)；利用GARBF模型對乙炔羰基化閤成丙烯痠甲酯催化性能進行預測模擬.結果錶明:與RBF相比,GARBF的預測精度明顯提高,對于六組測試集,平均相對誤差從2.94％降低到1.18％,體現瞭更彊的汎化能力.
통과신경망락기술가조출최화공예여최화성능지간적관련성,종이대최화성능진행예측,체도제고연구효솔적목적.본문침대훈련양본중기이양본대신경망락모형예측능력화범화능력적영향,장유전산법사상인입신경망락,구건신경망락모형동태훈련집,건립료유전산법-신경망락모형(GARBF)；이용GARBF모형대을결탄기화합성병희산갑지최화성능진행예측모의.결과표명:여RBF상비,GARBF적예측정도명현제고,대우륙조측시집,평균상대오차종2.94％강저도1.18％,체현료경강적범화능력.
