本文利用工业废弃物磷石膏制备β型磷建筑石膏,并确定了影响β型磷建筑石膏强度的因素及特点,在此基础上,建立了β型磷建筑石膏强度预测的广义回归神经网络(General Regression Neural Network,GRNN)模型,利用实验室中制备β型磷建筑石膏的15组统计数据作为学习样本,通过网络拟合训练和预测分析,得到了较高精度的预测结果,证明了GRNN的非线性映射能力、容错性和自学习性用于β型磷建筑石膏强度预测是非常有效的,避免了大量盲目的配比试验及资源浪费,提高了实验水平和效率.
参考文献
| [1] | B.N.Estevinho;E.Ribeiro;A.Alves.A preliminary feasibility study for pentachlorophenol column sorption by almond shell residues[J].Chemical engineering journal,20082/3(2/3):188-194. |
| [2] | Vimal Chandra Srivastava;Indra Deo Mall;Indra Mani Mishra.Adsorption thermodynamics and isosteric heat of adsorption of toxic metal ions onto bagasse fly ash (BFA) and rice husk ash (RHA)[J].Chemical engineering journal,20071/3(1/3):267-278. |
| [3] | 曾明;阮燕;陈晶;王崇英;张冰;周紫晨.磷石膏不同预处理方法的效果比较[J].建材世界,2011(2):18-21. |
| [4] | 钟本和;王辛龙;张志业;杨秀山.我国磷石膏利用途径的探讨[J].磷肥与复肥,2010(3):61-63,66. |
| [5] | 叶学东.“十二五”磷石膏综合利用任重道远[J].磷肥与复肥,2012(01):7-9,15. |
| [6] | Specht D.F..A general regression neural network[J].IEEE Transactions on Neural Networks,19916(6):568-576. |
| [7] | 赵闯;刘凯;李电生.基于广义回归神经网络的货运量预测[J].铁道学报,2004(1):12-15. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%