人工神经网络预测镁铝水滑石纳米晶的差示扫描量热法的吸热值

摘要

常压下采用液相法制备了高纯度的镁铝水滑石纳米晶体试样。基于镁铝水滑石的差示扫描量热法(differentialscanningcalorimetry,DSC)吸热值和水滑石纳米晶体的制备工艺因素(包括:反应时间,反应温度,以及原料NaOH,MgCl2,Na2CO3,和NaAlO2的添加浓度)之间的非线性关系,建立三层结构的反向误差传播(back-propagation,BP)网络。为克服由于BP神经网络隐含层的存在,增加训练的工作量,以及当输入的参变量较多时,导致误差曲面过于复杂,出现数据冗余的缺点,尝试了采用主成分分析,对输入变景首先进行预处理。同时,在迭代公式中附加动量项和变换收敛步长,以加快网络训练速度,提高模型的预测能力与相对准确性。计算结果表明:使用改进的BP神经网络模型,对镁铝水滑石纳米晶体的DSC吸热值有较好的预测能力。