论文部分内容阅读
为提高预测复杂聚合物体系的热力学相平衡性质,利用基于贝叶斯正则化(Bayesian regularization,BR)算法的BP神经网络对水-二甲基乙酰胺-聚砜成膜体系的浊点数据进行预测。结果显示,该方法对水和二甲基乙酰胺质量分数的预测平均相对误差为0.004和0.006,且预测的准确性和速度均优Levenberg-Marquardt(LM)算法的BP神经网络。这表明,基于贝叶斯正则化算法的BP神经网络可以较好地预测聚合物成膜体系的相平衡性质。