| 基于混沌自适应粒子群人工神经网络的气体在聚合物中的溶解模型 |
| |
| 引用本文： | 李孟山,黄兴元,柳和生,柳炳祥,武燕,艾凡荣. 基于混沌自适应粒子群人工神经网络的气体在聚合物中的溶解模型[J]. 化学学报, 2013, 71(7): 1053-1058. DOI: 10.6023/A13020193 |
| |
| 作者姓名： | 李孟山 黄兴元 柳和生 柳炳祥 武燕 艾凡荣 |
| |
| 作者单位： | a 南昌大学机电工程学院 南昌 330031;b 景德镇陶瓷学院信息工程学院 景德镇 333001 |
| |
| 基金项目： | the National Natural Science Foundation of China，Graduate Student Innovation Fund by Nanchang University，项目受国家自然科学基金，南昌大学研究生创新专项资金 |
| |
| 摘 要： | 为提高溶解预测模型的效率和关联度, 建立基于混沌理论、自适应粒子群优化(PSO)算法和反向传播(BP)算法的混沌自适应PSO-BP神经网络模型, 并对二氧化碳(CO2)在聚苯乙烯(PS)和聚丙烯(PP)中、氮气(N2)在PS中的溶解度进行预测试验. 模型选用压力和温度作为输入参数, 使用试探法确定隐含层结点个数为8, 输出为预测的溶解度. 模型融合混沌理论、自适应PSO和BP算法各自的优势, 提高了训练速度和预测精度. 结果表明, 混沌自适应PSO-BP神经网络有很好的预测能力, 预测值与实验值相当吻合, 通过与传统BP神经网络和PSO-BP神经网络的比较可知, 其预测精度和相关性均明显较优, 预测平均绝对误差(AAD), 标准偏差(SD)和平方相关系数(R2)分别为0.0058, 0.0198和0.9914.
|
| 关 键 词： | 溶解预测 聚合物 神经网络 粒子群 混沌理论 |
Solubility Prediction of Gases in Polymers based on Chaotic Self-adaptive Particle Swarm Optimization Artificial Neural Networks |
| |
| Li Mengshan,Huang Xingyuan,Liu Hesheng,Liu Bingxiang,Wu Yan,Ai Fanrong. Solubility Prediction of Gases in Polymers based on Chaotic Self-adaptive Particle Swarm Optimization Artificial Neural Networks[J]. Acta Chimica Sinica, 2013, 71(7): 1053-1058. DOI: 10.6023/A13020193 |
| |
| Authors: | Li Mengshan Huang Xingyuan Liu Hesheng Liu Bingxiang Wu Yan Ai Fanrong |
| |
| Affiliation: | a Nanchang University, College of Mechanical and Electric Engineering, Nanchang 330031;b JingDeZhen Ceramic Institute, School of Information Engineering, JingDeZhen 333001 |
| |
| Abstract: | |
| |
| Keywords: | solubility prediction polymer neural network particle swarm optimization chaos theory |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《化学学报》浏览原始摘要信息 |
|
点击此处可从《化学学报》下载全文 |
|
