论文部分内容阅读
水力旋流器在工业中应用广泛,在此基础上提出的旋流过滤器结合了离心分离和过滤分离的特点,使其能够适应更加复杂的工作环境。但是,由于设备内流动的复杂性,目前仍没有普适的方法能准确预测水力旋流过滤器的分离效率和压降。而BP神经网络因其高度的非线性被越来越多的用在工程预测上。影响设备性能的参数很多,本研究通过BP神经网络利用实验数据建立了多元非线性预测模型。对BP神经网络的研究表明:训练样本顺序对BP神经网络性能影响都不大;训练样本组数越多,BP网络预测性能越好;输入节点数越多,网络模型预测精度降低;当使用