基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。