基于GA-BP神经网络的带提升管内循环流化床循环流率预测

摘要

自行搭建了带提升管的内循环流化床试验台,研究了提升管风速、气化室风速、颗粒平均粒径、床层高度对循环流率的影响.基于遗传算法优化BP神经网络原理,建立了GA-BP人工神经网络模型,用来预测带提升管的内循环流化床的颗粒循环流率.通过对GA-BP神经网络模型颗粒循环流率的预测值与试验值的比较发现:当隐含层数目为22时,最大相对误差为±6.6917％,误差的均方差为2.899％.该模型预测数据与试验值比较吻合,能够较好的预测颗粒循环流率.