科技风
科技風
과기풍
TECHNOLOGY WIND
2013年
7期
84
,共1页
人工神经网络%径向基函数%膜通量预测
人工神經網絡%徑嚮基函數%膜通量預測
인공신경망락%경향기함수%막통량예측
为能更好地预测工艺条件对膜分离过程的影响,运用RBF神经网络技术建立输入变量为压差、流速、浓度和温度的输入向量,输出变量为膜通量的预测模型.通过实验数据训练预测模型,得到的网络模型整体平均相对误差为2.76%;证实了所建立的RBF神经网络膜通量预测模型与实验值吻合程度较好,有较好地预测能力.
為能更好地預測工藝條件對膜分離過程的影響,運用RBF神經網絡技術建立輸入變量為壓差、流速、濃度和溫度的輸入嚮量,輸齣變量為膜通量的預測模型.通過實驗數據訓練預測模型,得到的網絡模型整體平均相對誤差為2.76%;證實瞭所建立的RBF神經網絡膜通量預測模型與實驗值吻閤程度較好,有較好地預測能力.
위능경호지예측공예조건대막분리과정적영향,운용RBF신경망락기술건립수입변량위압차、류속、농도화온도적수입향량,수출변량위막통량적예측모형.통과실험수거훈련예측모형,득도적망락모형정체평균상대오차위2.76%;증실료소건립적RBF신경망락막통량예측모형여실험치문합정도교호,유교호지예측능력.
