基于深度置信网络的滴流床反应器持液量预测

• 作者: 延会波 张玮 李立毅 翟剑 韩念琛 黄伟
• 来源期刊: 低碳化学与化工
• 关键词: 滴流床反应器 持液量 机器学习 深度置信网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 开发应用
• 页码范围: 93-98
• 页数: 6页
• 分类号: TE62
• 语种: 中文

摘要

针对滴流床反应器持液量预测难度大、精度低的问题,首次提出了一种基于深度置信网络(Deep Belief Network,DBN)的数据建模方法.首先采用受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)提取实验数据的深层特征,然后使用一层反向传播(Back Propagation,BP)神经网络对深层特征进行训练,建立滴流床反应器持液量预测模型.模型测试结果表明,深度置信网络模型对滴流床反应器持液量具有良好的预测效果,测试样本的平均相对误差MRE为4.8％、决定系数R2为0.965,相比于传统的理论与半经验模型,具有精确性高、泛化性强的特点,且模型对滴流床反应器操作参数的变化具有显著性,符合持液量变化机理和反应器放大设计的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄伟		200	1080	17.0	22.0
2	韩念琛		30	101	5.0	9.0
3	张玮		33	133	6.0	11.0
4	李立毅		3	0	0.0	0.0
5	翟剑		2	0	0.0	0.0
6	延会波		2	0	0.0	0.0