非线性偏最小二乘法在催化剂建模中的应用

• 作者: 吕德伟 罗正鸿 陈丰秋 黄凯
• 来源期刊: 东南大学学报(英文版)
• 学科: 工学
• 关键词: 偏最小二乘法 催化剂 甲烷氧化偶联 神经网络 建模
• 年，卷（期）: 2004,（1）
• 页码范围: 65-69
• 页数: 5页
• 分类号: TQ426.6
• 字数: 622字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2004.01.014

摘要

神经网络偏最小二乘法(NNPLS)被应用于一种甲烷氧化偶联多组分催化剂的鲁棒反应模型的建立. 重点研究了内层神经网络学习算法、激活函数、网络结构(包括隐含节点数、隐含层)、网络权值初始化及主元的选取原则等. 研究表明, 内层神经网络分别采用1-10-5-1,1-8-4-1,1-8-5-1, 1-7-4-1, 1-8-4-1, 1-8-6-1的拓扑结构是合适的; Levenberg-Marquardt方法被用于网络的学习算法可以加快学习速度; 同时采用了sigmoid函数为激活函数. 计算结果显示, 四主元可以满足建模的需要. 与单纯的神经网络催化剂模型相比, NNPLS方法压缩分解了变量, 减少了计算量, 同时使模型的推广能力得到提高, 有效地改善了直接神经网络建模过程中催化剂模型泛化能力较差的缺点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕德伟	浙江大学化学工程系	23	329	11.0	17.0
2	陈丰秋	浙江大学化学工程系	146	1538	21.0	32.0
3	罗正鸿	厦门大学化学工程系	37	254	9.0	14.0
4	黄凯	东南大学化学化工系	33	254	9.0	15.0