论文部分内容阅读
为实现对不同操作条件（操作压力、料液质量浓度和温度）下的牛血清白蛋白溶液死端微滤膜通量的预测，以训练步数、绝对相对误差和相关系数作为预测的衡量指标，并对所建立的3层BP神经网络和RBF神经网络基本模型的内部参数进行了优化．优化的BP神经网络模型的拓朴结构为3-9—1，学习率为0．05，学习／训练函数为traingdx，隐层到输出层的传递函数为logsig，该网络对牛血清白蛋白（BSA）溶液膜通量预测的平均绝对相对误差为2．37％，相关系数为0．9960；优化的RBF神经网络的网络设计函数为newrbe，散