论文部分内容阅读
油水混合粘度受温度、剪切速率、含水率3种因素协同影响，很难用常规方程准确计算。提出了采用人工神经网络进行油水乳状液粘度预测的新方法。建立了三层结构BP神经网络模型，输入层有3个神经元，分别代表温度、剪切速率、含水率，输出层有一个神经元，代表油水混合物粘度，隐层神经元数目为30个。在实验室配置一定比例的油水乳状液，通过流变性测量获得学习训练样本。试验温度范围24．3～46．1℃，剪切速率范围10～400s^-1，含水率范围10％～60％。结果表明，神经网络预测值与实测值符合良好。最大误差7．37％。