基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

基于BP神经网络的多壁碳纳米管复合CdS-TiO_2光催化剂优化合成研究

基于CdS-TiO2/多壁碳纳米管(MWCNTs)光催化剂降解甲苯的正交实验数据,采用反向传播(BP)神经网络训练并建立了光催化剂合成条件设计的神经网络模型。以正交实验确定的4个主要影响因素作为输入层参数,以甲苯降解率作为输出层参数,将全部实验数据分为训练样本集和预测样本集。运行网络,系统误差为0.000 724,网络预测值与实验数据值相关系数达到0.989,说明该网络具有较好的训练精度及泛化能力。并利用训练好的神经网络预测得到CdS-TiO2/MWCNTs光催化剂的最佳合成条件:焙烧温度为460℃,MWCNTs复合量为1.5%(质量分数),活性组元摩尔比(TiO2/CdS)=80∶1,水加入量为12%(体积分数)。