论文部分内容阅读
采用神经网络方法对垃圾热值进行了预测。通过对垃圾组分与热值的相关性分析得知城市生活垃圾的热值与塑料和纸的关系最密切 ,并采用多元线性回归方法得出热值与物理组成的关系。针对垃圾成份的复杂多变性 ,采用神经网络方法对城市生活垃圾的热值进行了预测。神经网络以垃圾的物理组成 (塑料、纸、食品、草木和织物 )作为输入 ,采用 10 8组数据和BP算法对网络进行训练 ,发现采用隐层单元数为 7,学习速率为 0 1时 ,网络收敛速度较快 ,同时给出均方差随计算次数的变化关系 ,并将计算结果与实验测量值进行了比较