论文部分内容阅读
根据南京炼油厂所提供的柴油稠和凝点和冷滤点基础数据，用人工神经网络（ＡＮＮ）的反向传播ＢＰ算法对凝点和冷滤点进行预测，提出了适宜的人工神经网络后拓扑结构，讨论了ＢＰ算法中学习速率，动量系统及过拟合现象对网络的影响，通过实验数据的检验，证明了用ＡＮＮ方法建立的柴油调和模型能有效地给出预测信息，研究表明，ＡＮＮ方法比常用的调和系数模型，凝点指数模型，凝点换算因子模型等更能准确地关联和预报调和柴油的凝点