相关实验视频
Updated: Jul 2, 2025
09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
861
使用高斯噪声数据增强和k倍交叉验证优化的神经计算来精确预测喷雾干脱硫
Robert Someo Makomere1, Lawrence Koech1, Hilary Limo Rutto1
1Clean Technology and Applied Materials Research Group, Department of Chemical and Metallurgical Engineering, Vaal University of Technology, Vanderbijlpark, Gauteng, South Africa.
概括
人工神经网络 (ANN) 准确地预测了微型喷雾干燥机在脱硫过程中的性能. 具有10个隐藏细胞和交叉验证的logsig激活功能被证明是最有效的硫捕获预测.
科学领域:
- 工程 工程师 工程师 工程师
- 人工智能的人工智能
- 环境科学 环境科学
背景情况:
- 感知器模型对于工程模式识别至关重要.
- 迷你喷雾干燥机在脱硫过程中使用.
- 人工神经网络 (ANN) 提供先进的预测能力.
研究的目的:
- 实施ANN以预测微型喷雾干燥机在脱硫过程中的性能.
- 评估各种硫化条件对捕获硫的影响.
- 优化ANN模型参数,以准确预测性能.
主要方法:
- 利用k-fold交叉验证和高斯噪声数据增强对300个合成数据集.
- 训练了21个ANN模型,使用硫化温度,pH值,固态度比和固体度作为输入.
- 采用了logsig和tansig激活功能,隐藏单元从2到10变化.
主要成果:
- 使用10个隐藏细胞的logsig激活功能表现出卓越的性能.
- 交叉验证和数据增强对于有效的神经网络泛化至关重要.
- 评估使用了包括MSE,RMSE,MAPE和R平方在内的统计指标.
结论:
- 特别是具有logsig功能和优化参数的ANN,可以准确预测迷你喷雾干燥器中的脱硫性能.
- 数据增强和交叉验证对于强大的ANN模型开发至关重要.
- 这种方法提高了脱硫过程的效率和可靠性.
