Indexed by：
Abstract：
在考虑气化炉顶部温度、中部温度、底部温度、空气流速、 蒸气流速、 反应时间以及生物炭添加量等多参数的情况下,建立自热式固定床气化过程合成气动态神经网络模型,以实现对气化过程中的气体浓度(H2,CH4,CO,CO2)动态过程预测.采用不同策略实现对网络参数选择与模型结构优化,同时通过嵌入适当数量的随机噪声来避免模型陷入局部最优.模型对气化过程中H2浓度变化曲线的预测决定系数(R2)达到0.8646.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福州大学学报（自然科学版）
ISSN： 1000-2243
CN： 35-1337/N
Year： 2019
Issue： 5
Volume： 47
Page： 652-657
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
