论文部分内容阅读
海水淡化是一个涉及传热传质等诸多因素的复杂的非线性过程。为了克服传统数学建模方法在模拟仿真精度和实时性方面的不足，对大样本空间的神经网络构造及网络学习加速方法进行了大量探索及尝试，成功地将神经网络技术引入海水淡化产水过程中构造新的产水模型，建立了以空气入口干球温度、预冷器进口冷却水温度、海水喷淋温度和海水喷淋量作为输入参数的海水淡化系统神经网络模型。分析表明，该模型不仅具有较高的仿真精度，而且保持了系统原有的光滑性，能满足系统实时仿真模拟预测的要求。