基于BP神经网络的Cu-Ce掺杂TiO2光催化剂性能预测组合模型研究

摘要

采用环境测试舱模拟可见光下的室内环境,以甲醛气体的光催化降解为探针反应,评价了Cu-Ce/TiO2光催化剂的光催化活性及对甲醛气体的去除效果.利用指数平滑-神经网络ES-BP组合模型对Cu-Ce/TiO2光催化剂的性能做预测分析.结果表明:经过Cu-Ce/TiO光催化剂处理后细木工板中甲醛释放浓度明显降低,平均光催化降解甲醛气体效率为42.8％;ES-BP组合预测模型在Cu-Ce/TiO光催化剂的性能预测中取得了较好的效果,平均绝对误差为-0.00011mg/m3,平均相对误差为-0.317％;ES-BP组合预测模型实现了BP神经网络模型和指数平滑模型的优势互补,提高了对数据长期预测的准确性.