基于BP神经网络的Cu-Ce掺杂TiO2光催化剂性能预测组合模型研究

材料导报, 2015, 29(14): 148-155. doi: 10.11896/j.issn.1005-023X.2015.14.032

基于BP神经网络的Cu-Ce掺杂TiO2光催化剂性能预测组合模型研究

张浩 ^1, , 袁军座 ^2, , 曹现雷 ^3, , 刘秀玉 ^4, , 朱庆明 ^5, , 杜晓燕 ^6,

1.安徽工业大学建筑工程学院,马鞍山,243032

2.中国十七冶集团有限公司,马鞍山,243000

3.安徽工业大学建筑工程学院,马鞍山,243032

4.安徽工业大学建筑工程学院,马鞍山,243032

5.安徽工业大学建筑工程学院,马鞍山,243032

6.安徽工业大学建筑工程学院,马鞍山,243032

基金项目: 国家自然科学基金(51208002)

关键词： Cu-Ce , TiO2 , BP神经网络 , 指数平滑 , 组合预测

Research on Hybrid Prediction Methods for Cu-Ce-doped TiO2 Photocatalytic Performance Based on BP Neural Network

Keywords： Cu-Ce , TiO2 , BP neural network , exponential smoothing , hybrid prediction

采用环境测试舱模拟可见光下的室内环境,以甲醛气体的光催化降解为探针反应,评价了Cu-Ce/TiO2光催化剂的光催化活性及对甲醛气体的去除效果.利用指数平滑-神经网络ES-BP组合模型对Cu-Ce/TiO2光催化剂的性能做预测分析.结果表明:经过Cu-Ce/TiO光催化剂处理后细木工板中甲醛释放浓度明显降低,平均光催化降解甲醛气体效率为42.8％;ES-BP组合预测模型在Cu-Ce/TiO光催化剂的性能预测中取得了较好的效果,平均绝对误差为-0.00011mg/m3,平均相对误差为-0.317％;ES-BP组合预测模型实现了BP神经网络模型和指数平滑模型的优势互补,提高了对数据长期预测的准确性.

参考文献

上一张下一张

计量

下载量()
访问量()

作者相关

文章评分

您的评分：
1

0%
2

0%
3

0%
4

0%
5

0%

材料期刊网

基于BP神经网络的Cu-Ce掺杂TiO2光催化剂性能预测组合模型研究

Research on Hybrid Prediction Methods for Cu-Ce-doped TiO2 Photocatalytic Performance Based on BP Neural Network

参考文献