动力学数据的经验建模与比较

动力学数据的经验建模与比较

摘要：动力学参数求解是动力学数据处理问题的主要内容和关键技术。本文介绍了热分析法，微积分法，回归分析，人工神经网络方法通过求解动力学参数，最终达成动力学模型的经验建模和比较。最后选用人工神经网络建模方法和回归分析建模方法，以醋酸乙酯的皂化反应的动力学数据为试验对象，用MATLAB编程计算结果。通过对实验数据结果的对比分析，可以得知人工神经网络在减少结果误差，提高分析结果准确度方面显示出了很好的优势。

关键词：动力学数据；参数估计；人工神经网络；回归分析；经验建模

目  录

中文摘要 I

英文摘要 Ⅱ

目  录 III

1． 绪论 1

1.1  动力学数据处理的应用背景与意义 1

1.2  动力学数据处理的发展和研究现状 2

1.3  动力学数据处理基本思想 2

1.4  常用动力学数据处理方法 2

1.4.1  热分析法 3

1.4.2  微积分法 3

1.4.3  回归分析法 4

1.4.4  人工神经网络 4

2． 热分析法 6

2.1  常用热分析法 6

2.1.1  单一扫描速率法 6

2.1.2  多重扫描速率法 7

2.2  小结 8

3． 微分法和积分法 9

3.1  常用微分法和积分法 9

3.1.1  增值积分等转化率法 9

3.1.2  无模式动力学分析法 9

3.1.3  非线形等转化率微分法(NL-DIF method) 10

3.2  小结 10

4． 人工神经网络 11

4.1  神经网络建模方法思想概述 11

4.1.1  人工神经网络发展简史 11

4.1.2  人工神经网络的应用 12

4.1.3  人工神经网络的研究现状 13

4.1.4  人工神经网络模型 14

4.1.5  人工神经网络特点 16

4.2  神经元 17

4.3  互连模式 18

4.4  学习规则 19

4.5  神经网络的建模方法 21

4.5.1  BP网络模型的理论基础 21

4.5.2  BP网络的建摸方法 21

4.6  小结 22

5． 回归分析 23

5.1  多元线性回归（MLR） 23

5.1.1  多元线性回归模型推导 23

5.2  小结 24

6． 实例论证和结果讨论 25

6.1  实例论证 25

6.2  结果讨论 28

7． 总结与展望 30

7.1  总结 30

7.2  展望 30

致谢 31

参考文献 32