神經(jīng)網(wǎng)絡(luò)在催化劑活性判別中的研究和應(yīng)用.pdf

1、人工神經(jīng)網(wǎng)絡(luò)是智能計算研究的主要領(lǐng)域之一，目前已經(jīng)廣泛應(yīng)用于模式識別、信號處理、知識工程、專家系統(tǒng)等領(lǐng)域。BP神經(jīng)網(wǎng)絡(luò)由于結(jié)構(gòu)簡單、精度較高、易于編程實現(xiàn)、可操作性強、非線性映射能力強等優(yōu)點而成為神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的一種。鑒于傳統(tǒng)的BP算法是基于最速梯度下降法，導(dǎo)致算法存在收斂速度緩慢，容易陷入局部極小，隱含層的層數(shù)及其節(jié)點的數(shù)量難以確定，每種輸入模式期望輸出必須已知等缺點。經(jīng)過專家和學(xué)者的不斷努力，提出了一些改進(jìn)型BP算法，主要有附

2、加動量法、自適應(yīng)學(xué)習(xí)速率法、彈性BP算法、L-M法、改進(jìn)誤差算法等。
　　 化工催化劑作為工業(yè)生產(chǎn)中重要的化工原料，它能加快反應(yīng)速度，催化劑活性對其使用壽命的影響非常大，如何準(zhǔn)確判斷催化劑的活性，是長期以來一直困擾催化劑使用單位和研制單位的難題。為了豐富催化劑活性的判別方法，本文用圖像特征提取技術(shù)對用掃描電鏡獲取的催化劑圖像的灰度、熵、能量和局部平穩(wěn)度進(jìn)行提取，并用BP神經(jīng)網(wǎng)絡(luò)算法及其改進(jìn)算法對這些圖像特征進(jìn)行訓(xùn)練、學(xué)習(xí)，利用得