基于BP神经网络和列队竞争算法的低温甲醇洗过程参数优化
本文提出了基于BP(Back Propagation)神经网络和列队竞争算法的方法优化低温甲醇洗工艺操作参数.首先,以流程模拟软件对该工艺进行模拟,获得初始样本数据;然后,应用BP神经网络对所获数据进行训练,实现神经网络输出与实际模拟结果的一致;最后,综合列队竞争算法和BP神经网络对低温甲醇洗工艺过程进行参数优化.实例计算结果表明,训练好的BP神经网络输出与实际模拟结果间的误差小于2％,将其应用于优化计算可大幅缩短计算时间,提高计算效率;优化计算结果能够在满足分离要求的条件下,降低公用工程消耗量13%,降低气提用氮气量8.1%,节能效果十分明显.
化工设备 甲醇洗工艺 参数优化 BP神经网络 列队竞争算法
杨宇轩 潘欣 鄢烈祥 史彬
武汉理工大学化学工程学院,湖北,武汉,430070
国内会议
呼和浩特
中文
1439-1443
2013-08-01（万方平台首次上网日期，不代表论文的发表时间）