基于蝙蝠算法优化的BP神经网络估算工质沸点温度

摘要

为了能够对计算机辅助分子设计过程中产生的分子实现精确的热物性预测,采用工质的沸点为重要预测参数,将现有的烷烃、烯烃、卤代烃、醇、醚、胺等6类热力循环所使用的工质划分为16类基团,并引入拓扑指数来区分同分异构体。提出了一种基于蝙蝠算法优化过的BP人工神经网络来预测工质的沸点温度。最后,通过仿真实验将优化后得到的BA-ANN与典型的GA-ANN模型进行误差对比,结果表明新构建的BA-ANN模型的各类预测误差均低于GA-ANN模型,其新模型能够显著提高工质沸点温度的预测精度。