催化剂配方的神经网络建模与遗传算法优化

韩力群

您当前的位置：

首页 >

文章列表页 >

催化剂配方的神经网络建模与遗传算法优化

化工学报 | 更新时间：2025-12-16

- 催化剂配方的神经网络建模与遗传算法优化
- NEURAL NETWORK MODELING AND GENETIC ALGORITHM FOR OPTIMIZING FORMULATION OF CATALYSTS
- 化工学报 1999年第4期
- 作者机构：
  
  北京轻工业大学自动化工程系,北京,100037
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： Q426
- 网络首发：1999-08-25，
  
  纸质出版：1999-08-25
- 稿件说明：
移动端阅览
韩力群. 催化剂配方的神经网络建模与遗传算法优化[J]. 化工学报, 1999,(4).

韩力群. NEURAL NETWORK MODELING AND GENETIC ALGORITHM FOR OPTIMIZING FORMULATION OF CATALYSTS[J]. CIESC Journal, 1999, (4).
韩力群. 催化剂配方的神经网络建模与遗传算法优化[J]. 化工学报, 1999,(4). DOI：

韩力群. NEURAL NETWORK MODELING AND GENETIC ALGORITHM FOR OPTIMIZING FORMULATION OF CATALYSTS[J]. CIESC Journal, 1999, (4). DOI：

摘要

采用神经网络对催化剂配方实验数据建模

在网络模型仿真实验的基础上应用遗传算法对配方组成进行优化

得到的优化配方经实验验证

证实了该算法的实际应用意义.该算法对化工产品的配方及工艺优化也有实用意义.

Abstract

Neural network is used for the modeling of experiment data. Based on simulation data from the neural network

GA is applied to optimize the formulation of catalysts. The optimizing formulations are proved by experiments and it is identified that the algorithm is practicable . GA can also be used in optimizing formulations and optimizing chemical processes.

关键词

Keywords

references

浏览量

300

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于Micro-CT和深度学习的盐溶液冰离心分离微观结构研究

温和条件下太阳能光热催化氨合成与分解的研究进展

带束层结构设计对全钢子午线轮胎硫化特性的影响

低截面气速下气液旋流分离器性能研究

基于时序-空间双流卷积神经网络的炼化污水厂进水COD预测模型