BP神经网络拟合方解石晶体色散方程

辽宁石油化工大学学报 ›› 2009, Vol. 29 ›› Issue (4): 87-89.

BP神经网络拟合方解石晶体色散方程

张荣培¹,李涛²

1.辽宁石油化工大学理学院,辽宁抚顺113001;2.辽宁石油化工大学后勤集团,辽宁抚顺113001

收稿日期:2008-09-11 出版日期:2009-12-25 发布日期:2017-07-05
作者简介:张荣培(1978-),男,山东新泰市,讲师,在读博士

Curve Fitting of Calcite Crystal Based on BP Neural Network

ZHANG Rong-pei¹, LI Tao²

1.School of Science，Liaoning University of Petroleum & Chemical Technology，Fushun Liaoning 113001，P．R．China; 2.Logistic Service, Liaoning University of Petroleum & Chemical Technology，Fushun Liaoning 113001，P．R．China

Received:2008-09-11 Published:2009-12-25 Online:2017-07-05

摘要/Abstract

摘要： 介绍BP算法神经网络曲线拟合方法,并借助MATLAB工具箱函数将它运用于方解石色散特性研
究,通过拟合效果图,误差曲线,误差范数反映BP神经网络的优越性,体现BP算法较高的预测能力和良好的泛化能
力,并且可以自动地确定数学模型,精确度高,原理也较简单,尤其对复杂的输入输出系统具有更好的效果。

关键词: 方解石 , BP神经网络 , MATLAB

Abstract: Curve fitting method of BP neural network was introduced and applied in the model of the dispersion of calcite crystals by MATLAB tools. The results show that BP algorithm has high forecasting capacity and good generalization capacity in three areas: the map of curve fitting, the deviation curve and the error norm. BP neural network can automatically identify mathematical model, which has higher precision, and its principle is relatively simple. So it is a very good tool for complex input-output system.

Key words: Calcite , BP neural network , MATLAB

张荣培,李涛. BP神经网络拟合方解石晶体色散方程[J]. 辽宁石油化工大学学报, 2009, 29(4): 87-89.

ZHANG Rong-pei1, LI Tao2. Curve Fitting of Calcite Crystal Based on BP Neural Network[J]. Journal of Liaoning Petrochemical University, 2009, 29(4): 87-89.

[1]	刘明, 马嘉悦, 刘晓培, 侯明君, 周妍. 基于动态贝叶斯网络的气化炉烧嘴系统可靠性分析[J]. 辽宁石油化工大学学报, 2022, 42(2): 79-85.
[2]	赵士龙，李维军，石成江. 基于优化BP神经网络的铝箔封口检测研究[J]. 辽宁石油化工大学学报, 2019, 39(1): 97-100.
[3]	马贵阳，朱赢. GM-BP模型在NGH生成中的预测研究[J]. 辽宁石油化工大学学报, 2018, 38(06): 93-98.
[4]	董明亮,刘培胜,潘振,文江波,李秉繁. 基于SVM-GA模型的城市天然气长期负荷预测[J]. 辽宁石油化工大学学报, 2017, 37(2): 31-36.
[5]	刘暋达,翟春艳,李书臣,苏成利. 汽轮机转子故障诊断算法应用研究[J]. 辽宁石油化工大学学报, 2013, 33(3): 67-69.
[6]	薛春兰,张明华,郑爱萍,宋昭峥,蒋庆哲. 灰色理论和BP神经网络在汽柴油需求预测中的应用[J]. 辽宁石油化工大学学报, 2009, 29(2): 11-14.
[7]	顾妍午，李平，陶文华，田绍宽. 基于改进BP神经网络的手写邮政编码识别[J]. 辽宁石油化工大学学报, 2008, 28(1): 52-54.