摘要:在误差反向传播神经网络算法中引入动量因子和非线性敏感度因子,并实现其在学习过程中根据整体误差的变化对非线性敏感度因子进行动态调整.首次采用GBP模型对改性石蜡的25℃针入度和100℃运动粘度进行了预测,25℃针入度预测的绝对误差(A.D)不超过±0.6(10-1mm),标准偏差为0.54;100℃运动粘度预测的绝对误差(A.D.)不超过±1.076 mm2/s,标准偏差为0.58.结果表明,GBP神经网络算法适用于改性石蜡25℃针入度和100℃运动粘度的预测,可用于指导特种蜡产品的研制和生产,从而减少石蜡调合试验及相应的改性石蜡性质测试的次数,节省人力物力,缩短特种蜡的开发周期.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社