基于递归神经网络的化工反应过程建模

基于递归神经网络的化工反应过程建模

论文摘要

化工过程系统往往具有很强的非线性。针对含有大量序列数据的化工过程建模,当序列数据作为深层神经网络输入时,往往权重系数过多、训练难度增大。而递归神经网络通过在不同时间步间共享参数,更适用于对序列数据的处理。作者研究了递归神经网络在化工动力学建模中的应用,探讨了化学反应中物质浓度的时序变化,反应动力学参数回归,工业油田轻烃裂解过程模拟以及操作条件优化等3种应用场景。从预测精度和计算速度方面,验证了递归神经网络方法在化工过程建模中的优越性。

论文目录

  • 1 前言
  • 2 神经网络模型
  •   2.1 深度神经网络模型
  •   2.2 递归神经网络
  •   2.3 递归神经网络的训练
  • 3 递归神经网络在化工反应过程中的应用
  •   3.1 案例1:多组分时序产率预测
  •   3.2 案例2:反应速率常数回归
  •   3.3 案例3:工业油田轻烃裂解装置模拟与优化
  • 4 结论与展望
  • 符号说明:
  • 文章来源

    类型: 期刊论文

    作者: 华丰,田亮,邱彤

    关键词: 化学动力学,递归神经网络,过程建模,深度学习

    来源: 高校化学工程学报 2019年05期

    年度: 2019

    分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技

    专业: 无机化工,有机化工,工业通用技术及设备,自动化技术

    单位: 清华大学化学工程系,工业大数据系统与应用北京市重点实验室,中国石油兰州化工研究中心

    基金: 国家自然科学基金重点项目(U1462206)

    分类号: TQ02;TP183

    页码: 1186-1194

    总页数: 9

    文件大小: 449K

    下载量: 167

    相关论文文献

    标签:;  ;  ;  ;  

    基于递归神经网络的化工反应过程建模
    下载Doc文档

    猜你喜欢