甲烷化学链重整反应是一种值得探究的天然气的化工利用方式,铈基复合载氧体是该体系中一种备受关注的载氧体。本文使用BP神经网络及改进型BP神经网络,对一由铈基复合载氧体催化的甲烷化学链重整反应进行模拟,为其体系分析、结果预测、工艺优化等提供更智能的参考意见。基于419组提取的由铈基复合载氧体催化的甲烷化学链重整反应的实验数据,本文建立了关联载氧体制备阶段的复合金属氧化物种类、氧化铈摩尔比、复合氧化物摩尔比、制备方法、焙烧温度、焙烧时间与燃料反应器反应阶段的反应温度、反应时间、循环次数这9个输入变量与反应结果评价阶段的CH₄转化率、CO选择性、H₂选择性这3个输出变量的7个BP神经网络模型,即1个普通神经网络BP-dlp和6个改进型神经网络BP-dlp2、BP-dxtt、GA-BP、PSO-BP、CS-BP和DE-BP。其中,PSO-BP神经网络模型的网络性能最佳。使用PSO-BP模型,首先预测了某一甲烷化学链重整反应实验条件下的实验结果,预测数据与实际数据的相对误差最小为0.118%;其次寻找到了使实验结果最优的复合载氧体制备条件和燃料反应器反应条件,模拟寻得的最优条件与实际甲烷化学链重整反应的实验情况相符,最优实验结果将在共沉淀法2制备的摩尔比例为0.7/0.3的铈铁复合载氧体（焙烧温度800℃,焙烧时间6h）,在反应温度为850℃、反应时间为13min、循环0次时获得。