排序方式： 共有1条查询结果，搜索用时 15 毫秒
1
1.
在考虑气化炉顶部温度、中部温度、底部温度、空气流速、蒸气流速、反应时间以及生物炭添加量等多参数的情况下,建立自热式固定床气化过程合成气动态神经网络模型,以实现对气化过程中的气体浓度（H2,CH4,CO,CO2)动态过程预测. 采用不同策略实现对网络参数选择与模型结构优化,同时通过嵌入适当数量的随机噪声来避免模型陷入局部最优. 模型对气化过程中H2浓度变化曲线的预测决定系数（R2）达到0.8646. 相似文献
1