GBP神经网络在改性石蜡性质预测中的应用

• 作者: 代敏 刘丹 刘荣江 孙兆林 孙挺 张晓彤 李兴明
• 来源期刊: 石油化工高等学校学报
• 学科: 工学
• 关键词: 人工神经网络 石蜡改性 针入度 运动粘度
• 年，卷（期）: 2004,（4）
• 所属期刊栏目: 石油化工
• 页码范围: 1-5
• 页数: 5页
• 分类号: TQ645|TQ183
• 字数: 2677字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-396X.2004.04.001

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25℃针入度和100℃运动粘度进行了预测,25℃针入度预测的绝对误差(A.D)不超过±0.6(10-1mm),标准偏差为0.54;100℃运动粘度预测的绝对误差(A.D.)不超过±1.076 mm2/s,标准偏差为0.58.结果表明,GBP神经网络算法适用于改性石蜡25℃针入度和100℃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,缩短特种蜡的开发周期.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓彤	辽宁石油化工大学石油化工学院	96	929	18.0	25.0
3	孙兆林	辽宁石油化工大学石油化工学院	111	1090	18.0	26.0
4	孙挺	东北大学理学院	103	954	14.0	25.0
7	刘丹	辽宁石油化工大学石油化工学院	55	532	12.0	20.0
8	代敏	辽宁石油化工大学石油化工学院	4	16	3.0	4.0
9	李兴明	辽宁石油化工大学石油化工学院	3	20	3.0	3.0
10	刘荣江		2	16	2.0	2.0