论文部分内容阅读
随着改革开放的不断深入,在全球经济一体化的进程中,中国的经济水平将进一步提高,对能源的需求会有增无减,因而大力发展生物柴油产业是解决能源短缺问题的主要手段。
生物柴油属于生物燃料范畴,是一种无毒的、燃烧更清洁的、可再生的燃料,可以从植物油或动物脂肪等农产品中提取。由于需要利用多种多样的植物原材料和富含能量的植物,开发生物柴油对于农业和林业从业人员来说非常重要,我国十分丰富的燃料油植物是发展生物柴油的物质基础。
人工神经网络的实现方式目前有计算机的软件实现,制造专用的神经网络芯片,VLSI实现(数字模拟,数模混合和光电互联),专用神经网络并行计算系统,神经网络计算机的光学实现和生物实现。BP神经网络是八十年代中期以来神经网络研究的热门话题,它以独特的非线性映射能力在各种工程领域有各种各样的应用。
本论文通过归纳总结植物燃料油的各项特征数据,建立完整的植物燃料油数据库,并进一步应用BP神经网络技术,以国际生物柴油标准作为输入参数,最终完成并建立优化的生物燃料油植物筛选模型,从而实现对燃料油植物的评价。
本论文把植物燃料油数据库中的原始数据进行预处理,并通过对不同网络结构、不同算法条件下(Deltalin、Deltalog、Deltatan、Errsurf、Initff、Traingdm)建立的神经网络模型加以综合比较,确定神经网络算法为 TRAINGDM。该条件下得到的预测效果较好,并提供了应用MATLAB神经网络工具箱编写的主要程序代码,将350组数据分为训练集250组,验证基50组,测试集50组,其中,训练集用来训练并建立网络,验证集数据是验证该网络的推广能力,测试集数据是为了进一步测试该神经网络的准确性和实用性。将训练集中的250组数据进行预处理,提高了神经网络的训练速度和预测的准确率。经过归一化预处理后,训练过程误差曲线持续下降,训练达到97次时达到训练目标0.0001,误差在10<-4>以下,能保证网络的良好的泛化能力,说明此时有较好的收敛能力。
为了实现较好的用户交互功能,为用户提供一个直观、便捷的操作平台,本论文应用matlab的自动化技术和delphi技术,实现了delphi对matlab的调用,建立了方便、直观的燃料油植物的筛选模型窗口,该模型解决了从我国丰富的燃料油植物资源中筛选出具有竞争力的燃料油植物的难题,弥补了生物燃料油植物筛选模型的空白,在生物柴油的未来发展具有重要的理论和应用价值。