论文部分内容阅读
基于CdS-TiO2／多壁碳纳米管（MWCNTs）光催化剂降解甲苯的正交实验数据，采用反向传播（BP）神经网络训练并建立了光催化剂合成条件设计的神经网络模型。以正交实验确定的4个主要影响因素作为输入层参数，以甲苯降解率作为输出层参数，将全部实验数据分为训练样本集和预测样本集。运行网络，系统误差为0．000724，网络预测值与实验数据值相关系数达到0．989，说明该网络具有较好的训练精度及泛化能力。并利用训练好的神经网络预测得到CdS-TiOz／MWCNTs光催化剂的最佳合成条件：焙烧温度为460℃，MWC