文摘
英文文摘
1综述
1.1混合物临界性质的研究进展
1.1.1混合物临界性质计算的热力学模型
1.1.2二元混合物临界相图的分类
1.2状态方程的研究进展
1.2.1理论状态方程
1.2.2半经验半理论状态方程
1.3人工神经网络简介
1.3.1人工神经元的结构
1.3.2人工神经网络分类及工作方式
1.3.3人工神经网络应用研究
1.4本论文的主要工作
1.5本论文的框架结构
2混合物临界性质计算的严格解析方法
2.1 CS-PR状态方程的提出
2.2状态方程参数的确定
2.2.1参数a,b的确定
2.2.2温度校正系数ψ的确定
2.3混合规则
2.4 Gibbs严格热力学判据
2.5 CS-PR方程结合Gibbs判据的公式推导
2.6计算方法
2.7计算结果及分析
3混合物临界性质预测的BP网络模型
3.1 BP网络的基本结构
3.1.1前馈网络
3.1.2 BP网络的理论基础
3.1.3 BP算法的实现
3.1.4网络的训练模式
3.2 BP网络学习算法的改进
3.2.1基于梯度优化算法的改进方案
3.2.2基于数值优化算法的改进方案
3.3 BP网络的泛化能力分析
3.3.1样本特性的影响
3.3.2网络本身特性的影响
3.4基于函数逼近的BP网络预测模型
3.4.1网络结构及参数
3.4.2样本的选择
3.4.3启发式学习算法
3.4.4 BFGS学习算法
3.4.5 Levenberg-Marquardt学习算法
3.4.6各方案结果对比分析
3.5基于分子间作用参数的BP网络预测模型
3.5.1分子间的相互作用
3.5.2预测模型
3.5.3网络结构及参数
3.5.4样本的选择
3.5.5基于BFGS算法的BP网络
3.5.6基于L-M算法的BP网络
3.5.7两种方案结果对比分析
3.5.8结论
4参考文献
5索引
硕士期间发表论文及获奖情况
致谢
大连理工大学学位版权使用授权书
大连理工大学;
二元混合物; 临界性质; 状态方程; Gibbs严格热力学判据; BP网络; BFGS算法; Levernberg-Marquardt算法;