GBP神经网络在改性石蜡性质预测中的应用

作     者：张晓彤 李兴明 代敏 刘丹 刘荣江 孙兆林 孙挺 ZHANG Xiao-tong~(1,2),LI Xing-ming~1, DAI Min~1, LIU Dan~1, LIU Rong-jiang~3, SUN Zhao-lin~(1), SUN Ting~2.1. School of Petrochemical Technology, Liaoning University of Petroleum & Chemical Technology, Fushun Liaoning 113001, P.R. China;2. School of Science, Northeastern University, Shenyang Liaoning 110004, P.R. China;3. No.1 Fushun Petroleum Factory, Fushun Liaoning 113008, P.R. China

作者机构：辽宁石油化工大学石油化工学院辽宁抚顺113001 抚顺石油一厂辽宁抚顺113008 东北大学理学院辽宁沈阳110004 

出 版 物：《石油化工高等学校学报》 (Journal of Petrochemical Universities)

年 卷 期：2004年第17卷第4期

页      面：1-5页

学科分类：081702[工学-化学工艺] 08[工学] 0817[工学-化学工程与技术] 

基　　金：国家自然科学基金项目 ( 2 0 3 4 3 0 0 6 ) 

主　　题：人工神经网络 石蜡改性 针入度 运动粘度 

摘      要：在误差反向传播神经网络算法中引入动量因子和非线性敏感度因子 ,并实现其在学习过程中根据整体误差的变化对非线性敏感度因子进行动态调整。首次采用GBP模型对改性石蜡的 2 5℃针入度和 1 0 0℃运动粘度进行了预测 ,2 5℃针入度预测的绝对误差 (A .D .)不超过± 0 .6 ( 1 0 -1 mm) ,标准偏差为 0 .5 4 ;1 0 0℃运动粘度预测的绝对误差 (A .D .)不超过± 1 .0 76mm2 /s ,标准偏差为 0 .5 8。结果表明 ,GBP神经网络算法适用于改性石蜡 2 5℃针入度和 1 0 0℃运动粘度的预测 ,可用于指导特种蜡产品的研制和生产 ,从而减少石蜡调合试验及相应的改性石蜡性质测试的次数 ,节省人力物力 。