基于神经网络的炭气凝胶孔结构的预测与优化模型研究.pdf

第32卷摇 第1期 新摇 型摇 炭摇 材摇 料 Vol.32摇 No.1 摇 2017年2月 NEW CARBON MATERIALS Feb. 2017 摇 文章编号:摇 1007鄄8827(2017)01鄄0077鄄09 基于神经网络的炭气凝胶孔结构的预测与优化模型研究 杨摇 榛,摇 乔文明,摇 梁晓怿 (华东理工大学 化学反应工程国家重点实验室,特种功能高分子材料及相关技术教育部重点实验室,上海 200237) 摘摇 要:摇 如何控制和预测孔结构是炭气凝胶研究的重要课题。 然而,由于耗时耗财,导致实验方法研究控制和预测孔结构 成为难题。 本文提出一种基于神经网络的炭气凝胶孔结构的预测与优化模型,并采用遗传算法设计和优化模型,对六种典型 训练算法模型性能进行比较分析。 利用该模型对孔径和吸附容量进行预测,两者的预测相关系数分别为0.992 和0.981,预 测均方根误差分别为0.077 和0.054。 经测试,该模型与实验研究的结果相符,并有效的应用于预测和控制炭气凝胶实验 参数。 关键词:摇 炭气凝胶;孔结构;神经网络;训练算法;模型 + 中图分类号:摇 TQ127.1 1 文献标识码:摇 A 基金项目:国家自然科学基金. 通讯作者:梁晓怿. E鄄mail:xyliang73@ Modelling and optimization of the pore structure of carbon aerogels using an artificial neural network YANG Zhen,摇 QIAO Wen鄄ming,摇 LIANG Xiao鄄yi (StateKey Laboratory of Chemical Engineering,Key Laboratoryfor Specialfunctional PolymerMaterials and TheirRelated Technologies, Ministry of Education,East China University of Science and Technology,Shanghai 200237,China) Abstract:摇 An intelligent simulation method for predicting and optimizing the pore structure of carbon aerogels is proposed by using an artificial neural network (ANN) algorithm. The ANN model has been optimized based on an improved genetic algorithm from six typical training algorithms. The volumes and diameters of pores in the simulated samples are predicted by the optimized 2 ANN model,which shows correlation coefficients R of 0.992 and 0.981 and root鄄mean鄄square prediction errors (RMSPE) of 0.077 and0.054 betweenthepredictedandexperimentalvaluesfor thevolumesanddiametersofpores,respectively. Theproposed model is expec