论文部分内容阅读
将影响低汽气比条件下LB型节能高温变换催化剂活性的主要因素作为X-c神经网络的特征输入向量，将全部实验数据分为训练集和预测集，运用Matlab神经网络工具箱，按改进的Bayes自动归一化算法建立反向传播神经网络模型，不仅可防止网络陷入局部最小，而且提高了网络训练精度和泛化能力，适当拓宽正交实验各因素的水平范围，经过不同因素、不同水平间的组合模拟，预测出LB型节能高温变换催化剂的最佳制备条件为氧化铈质量分数0．76％、氧化铜质量分数5．8％、氧化铬质量分数8．6％、氧化镧质量分数1.0％、铁液浓度92g／L