[發明專利]一種基于神經網絡的氣體介電強度預測方法在審
| 申請號： | 202011037420.9 | 申請日： | 2020-09-28 |
| 公開（公告）號： | CN112162182A | 公開（公告）日： | 2021-01-01 |
| 發明（設計）人： | 林林;陳慶國;聶洪巖;王新宇;程嵩;賈宗凱 | 申請（專利權）人： | 哈爾濱理工大學 |
| 主分類號： | G01R31/12 | 分類號： | G01R31/12;G06N3/02;G06N3/063;G06N3/08 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 150080 黑龍*** | 國省代碼： | 黑龍江;23 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 神經網絡 氣體 介電強度 預測 方法 | ||
【權利要求書】：
1.一種基于神經網絡的氣體介電強度預測方法，其特征在于包括：
基于密度泛函理論計算氣體分子電氣參數；
驗證氣體分子電氣參數計算準確性；
將計算得到的氣體分子電氣參數及氣體相對介電強度實驗值作為數據集，進行神經網絡建模訓練；
通過預測的數據與試驗的數據對比分析預測準確度及可行性；
根據電氣參數計算數據和完成訓練的神經網絡對氣體的介電強度進行預測。
2.根據權利要求1所述的方法，其特征在于，計算的分子電氣參數包括分子電離能、極化率和親和能。
3.根據權利要求1所述的方法，其特征在于，以電氣參數實驗值為縱坐標，以電氣參數計算值為橫坐標繪制線性回歸曲線，驗證氣體電氣參數計算的準確性。
4.根據權利要求1所述的方法，其特征在于，采用廣義回歸神經網絡GRNN進行建模訓練。
5.根據權利要求4所述的方法，其特征在于，為取得比較好的預測效果，將數值換算為[0, 1] 區間的值，然后對網絡輸出作反變換。
6.根據權利要求4所述的方法，其特征在于，設定徑向基函數的擴展系數為0.01。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于哈爾濱理工大學，未經哈爾濱理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011037420.9/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種外循環連續式催化油漿旋流過濾器
- 下一篇：一種高壓斷路器的防過電壓裝置
