论文部分内容阅读
基于BP人工神经网络原理，利用MATLAB神经网络工具箱，以实验得到的57组气化实验数据作为样本，建立了一个以加料量和送风量为输入变量，以燃气热值、产气率、碳转化率和气化效率为输出变量，用于描述连续稳定气化过程的内循环流化床生物质气化模型。对模型的隐层节点数和训练周期改变对模拟结果的影响进行了分析，发现当隐层节点数为20，训练步骤为50步，模型的4个输出变量的模拟结果与实验结果相关系数均超过0．95；同时对该模型的预测能力进行了考察，模型预测结果与实验结果吻合良好，证明了该模型具有较强的泛化能力，为生物质