一种基于ANN-NSGA-II的甲烷化镍基催化剂配方的筛选优化方法

摘要

本发明公开了一种基于神经网络协同二代非支配遗传算法（ANN‑NSGA‑II）的甲烷化镍基催化剂配方的筛选优化方法，通过对多助剂组合配方的筛选和反应工艺条件的优化，证明了该策略的有效性。包括以下步骤：采用随机试验法设计含添加三种助剂元素（Re,W,Cs）的多个试验组构成初始催化剂库；采用人工神经网络（ANN）构建甲烷化反应系统的数学模型，即建立操作条件与性能指标之间的对应关系；由改进的NSGA‑II多目标优化算法迭代寻优于反应条件工艺参数的Pareto最优解，为以后有效解决此类条件参数优选问题，找到了一种具有普适性的方法；本发明提高了模型预测精度和催化剂的筛选效率。