苯乙烯-马来酸酐本体共聚合过程的神经网络建模

摘要

人工神经网络(ANN)是一种有效的建模方法,尤其适用于机理复杂的化工过程,故应用ANN技术来研究苯乙烯-马来酸酐半连续本体共聚合过程的建模方法,并用原始实验数据训练BP网络,来预测本体共聚合过程的目标变量——反应转化率是合适的.由于标准BP训练算法的训练速度较慢, 提出了一种改进的训练算法 (marquardt算法)来提高网络的训练速度.结果表明,改进的训练算法提高收敛速度10倍以上,在不同的初始条件下,如停留时间5小时、聚合温度110～120℃和马来酸酐进料分量7%～10%,能得到满意的收敛点.在3个输入和1个输出(转化率)的情况下,估计结果的最大相对误差为10%～15%,平均相对误差小于5%.转化率的模型预测结果与原始实验数据具有良好的拟合.此方法可以有效地用于此类聚合过程的模型化.