污水处理一体机报价 设施

　　污水处理一体机报价 设施

　　RBF神经网络原理

　　RBF 神经网络的结构与BP神经网络类似，也包括输入层、隐藏层和输出层。不同的是，输入层到隐藏层之间的权重恒等于1。BP神经网络中的激励函数一般采用Sigmoid 函数，而RBF神经网络隐藏层中一般采用高斯函数等具备径向对称性的函数。隐藏层任意节点高斯函数的输入为输入层的参数向量与该高斯函数权值向量之间的距离。若输入的参数向量与该节点高斯函数的权值向量距离较远，那么该输入向量对该节点的输出影响很小。RBF神经网络的训练过程就是确定高斯函数的中心、方差和隐藏层到输出层权重的过程。根据函数中心优化方法的不同，RBF高斯函数有多种函数中心优化方法，如随机选取法、自组织选取中心法、有监督选取中心法和正交小二乘法。

　　与BP神经网络相比，RBF神经网络学习速度快，并可有效避免陷入局部小值。RBF神经网络可能存在过学习的问题，即训练得到的模拟曲线在两个样本点之间不平滑。

　　支持向量机原理

　　若样本点可被一个空间面在多维空间被有效地分开成两批，该空间面向这两批样本点分别平移所碰到的个样本点称为支持向量。基于支持向量的支持向量机方法不但可以用作样本点的分类，也可以用作回归分析。

　　当用作回归分析时，支持向量机方法将输入向量通过非线性映射φ(x)变换到另一个高维空间，并在此空间内进行线性回归。对于一个训练集，对该训练集进行训练，实际上是求函数，使得函数值与yi之间的距离尽可能小。

　　支持向量机方法原则上可以避免过学习的问题。

　　精馏塔进料位置

　　采用严格法精馏设计模块(RadFrac)模拟精馏塔，理论板数为5，回流比为0.1，塔顶采出率为0.949。应用灵敏度分析模块研究进料位置对二氯甲烷质量分数和再沸器热负荷的影响。随着进料位置下移，塔顶馏出物中二氯甲烷的质量分数先是保持基本不变，然后降低;精馏塔再沸器热负荷则先降低后升高，故进料位置选择第3块理论板。

　　精馏塔塔顶采出率

　　采用严格法精馏设计模块(RadFrac)模拟精馏塔，理论板数为5，回流比为0.1，进料位置为第3块理论板。应用灵敏度分析模块研究塔顶采出率对分离结果和再沸器温度的影响。随着塔顶采出率的增大，塔顶馏出物中二氯甲烷的质量分数保持在99.4%左右然后降低，塔底馏出物中环丁砜的质量分数增大至后保持不变，再沸器温度则先缓慢上升，然后急剧升高。通常，环丁砜的使用温度不高于210℃，以避免环丁砜分解。综合考虑分离结果和再沸器温度，选择适宜的塔顶采出率为0.949。此时，再沸器温度为205.7℃，塔底环丁砜的质量分数为98.27%，达到聚芳醚生产的工艺要求。