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
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