论文部分内容阅读
采用BP型神经网络对某炼油企业汽油调合数学模型进行研究，依据汽油生产装置特点，确定了神经网络的拓扑结构，利用采集的汽油生产数据，确定了隐含层节点数和模型学习算法，并经过模型训练，得到了拟合能力和预测能力均较强的企业汽油调合神经网络。所建立的模型不需要调合机理的支持，因而具有较强的自适应能力。实际应用结果表明，该神经网络模型对调合过程中的非线性参数预测精度较高，可提供汽油调合的优化方案。