节点文献

应用BP神经网络预测固体在超临界流体中的溶解度

Prediction of Solid Solubility in Supercritical Fluid by Using BP Neural Newtork

推荐 CAJ下载
PDF下载
不支持迅雷等下载工具，请取消加速工具后下载。

【Author】 LIAO Hai-qing~1,WU Da-ke~1,CHEN Shu-lin~2 (1.College of Chemical and Bio-engineering,Guizhou University of Technology,Guizhou Guiyang 550003,China; 2.Center of Chemical Analysis,Guizhou University of Technology,Guizhou Guiyang 550003,China)

【机构】贵州工业大学化学与生物工程学院；贵州工业大学理化分析中心贵州贵阳550003；贵州贵阳550003；贵州贵阳550003；

【摘要】构造Vogl快速算法误差反向传播(EBP)神经网络,应用该神经网络对若干固体在超临界流体中的溶解度进行预测,对21体系共612个数据点进行训练和预测,预测的总平均相对误差为4 02%,优于状态方程法所计算的结果。更多还原

【Abstract】 An error back propagation (EBP) artificial neural network with Vogl algorithm was constructed to predict the solubilities of different solids in supercritical fluids.612 experimental point for 21 systems had been trained and predicted,the predicting total average relative error is 4.02%.This method is superior to equation of state method.更多还原

【关键词】人工神经网络；超临界流体；溶解度；
【Key words】 artificial neural networks； supercritical fluids； solubility；

【文献出处】化学工业与工程 ,Chemical Industry and Engineering , 编辑部邮箱 ,2004年03期

【分类号】O645
【被引频次】10
【下载频次】107

知网节下载

节点文献中：

本文链接的文献网络图示:

本文的引文网络

节点文献