外文翻譯--通過bp神經(jīng)網(wǎng)絡算法和改進的bp算法研究預測電滲析過程中分離百分比

1、用 BP 神經(jīng)網(wǎng)絡算法和改進的 BP 神經(jīng)網(wǎng)絡算法研究預測電滲析過程的分離百分比摘要在電滲析過程中，分離百分比(SP)與一些影響因素(進料濃度(C)、稀室的流通率(Q)、反應溫度(T)和應用電壓(V))有非線性關系，并且這些關系很難用一個簡單的公式來表示。四個影響因素對 SP 產(chǎn)生了顯著影響。在這篇論文中，對四個因素進行了電滲析實驗研究。反向傳播(BP)神經(jīng)網(wǎng)絡算法和改進 BP 算法被用于 SP 的預測，并且他們的預測能力可以反映出他們

2、在非線性關系的復雜數(shù)據(jù)上的適應能力。使用不同的神經(jīng)網(wǎng)絡結(jié)構(gòu)、神經(jīng)元傳遞函數(shù)和學習率，可以獲得最佳訓練參數(shù)。比較 BP 神經(jīng)網(wǎng)絡算法和改進的 BP 神經(jīng)網(wǎng)絡算法，由于改進 BP 神經(jīng)網(wǎng)絡算法適當?shù)馗淖兞苏_學習率和權(quán)值的比率，所以它比 BP 神經(jīng)網(wǎng)絡算法更好。在高溫和高電壓的情況下，改進 BP 神經(jīng)網(wǎng)絡算法將有更好的預測性能，這是因為改進 BP 神經(jīng)網(wǎng)絡算法有大數(shù)值的泛化能力。關鍵字：BP 神經(jīng)網(wǎng)絡算法;改進 BP 算法;電滲析法分離百分

3、比;改進 BP 算法;自適應學習算法2差 [20-21]。BP 算法基于神經(jīng)網(wǎng)絡錯誤最小化。這些錯誤被描述為期望的產(chǎn)出與實際之間的差異 [22]。當訓練精度滿足時即訓練完成（圖 1）。BPNs 操作具有更好的推廣和容錯功能，然而，它也有一些不足之處：(1)慢收斂性可能導致較長的訓練時間。(2)在訓練過程中出現(xiàn)可能局部極值點。所以在這項研究中，改進的 BP 算法被用來改進電滲析過程中分離百分比的預測能力。在這篇論文中，自適應學習算法和靈活

4、的 BP 算法是改進的 BP 算法在電滲析過程中的應用。2.材料和方法2.1.實驗儀器和材料電滲析過程中，在表 1 中顯示了實驗儀器和材料。此外，其他實驗材料：量筒、燒杯、去離子水等。這些實驗的目的是研究進料濃度、溫度、電壓和流通率對電滲析電池性能的影響。2.2. 電滲析池和電滲析膜有機玻璃(PMMA)做成的板和框架的電滲析池被用來進行電滲析實驗（圖2）。電滲析池由三部分組成，一對 CEM（陽離子交換膜）和 AEM（陰離子交換膜）和一對