论文部分内容阅读
将一种动态递归网络——Elman神经网络应用到凝汽器真空预测。通过实例计算，表明该方法能够较准确地预测凝汽器真空，并具有训练速度快、结构简单、精度高的特点，是一种行之有效的预测方法。同时，对反向传播（BP）神经网络算法会出现局部极小值，提出了利用粒子群优化算法的全局寻优能力优化Elman神经网络连接权值系数的方法。仿真结果表明，利用粒子群优化算法的Elman神经网络可以建立精度更高的凝汽器真空预测模型。