1篇
您的检索式：作者名="Mengshan Li"
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | Prediction of CO2 Solubility in Polymers by Radial Basis Function Artificial Neural Network Based on Chaotic Self-adaptive Particle Swarm Optimization and Fuzzy Clustering Method显示文摘在实验室代替昂贵、费时间的试验,一个新奇溶解度预言模型基于混乱理论,自我适应的粒子群优化( PSO ),模糊c工具聚类方法,和光线的基础功能,人工的神经网络( RBF ANN )被建议在聚合物预言 CO2 溶解度,此后叫的 CSPSO-FC RBF ANN 。早熟的集中问题被用混乱理论和自我适应的惯性重量因素修改常规 PSO 克服。聚类方法的模糊 c 工具被用来调节隐藏的中心和光线的基础功能传播。修改 PSO 算法被采用优化 RBF ANN 连接重量。然后,建议 CSPSO-FC RBF ANN 被用来在聚苯乙烯(PS ) 调查 CO2 的溶解度,聚丙烯(PP ) , poly (丁烯 succinate )(PBS ) 并且 poly (丁烯 succinate-co-adipate )(PBSA ) 分别地。结果显示 CSPSO-FC RBF ANN 是为在聚合物的煤气的溶解度的一个有效方法。与常规 RBF ANN 和 PSO ANN 相比,另外, CSPSO-FC RBF ANN 显示出更好的性能。平均相对偏差(ARD ) 的价值,摆平的关联系数(R2 ) 和标准差(SD ) 分别地是 0.1071, 0.9973 和 0.0108。统计数据证明 CSPSO-FC RBF ANN 有优秀预言能力并且高精确性,并且在预言值之间的关联和试验性的数据好。 | Yan Wu Bingxiang Liu Mengshan Li Kezong Tang Yubo Wu | 2013 | Chinese Journal of Chemistry2013，31，12： | 5 |
您所在的机构暂未开通此部分的功能，请联系管理员