Прогнозирование параметров качества биодизеля с использованием нейронных сетей

Abstract

Исследовано влияние архитектуры многослойной персептронной сети на результаты прогноза плотности биодизеля при температуре 15°С, кинематической вязкости биодизеля при температуре 40°С, содержания механических примесей в биодизеле по физико-химическим показателям исходного сырья. Определена архитектура нейронной сети, обеспечивающая наименьшую ошибку прогноза.

Following subjects have been reviewed in the article: the effects of the multilayer perceptron network architecture on results of density forecast of biodiesel at 15 °C, on kinematic viscosity of biodiesel at 40 °C, on the content of mechanical impurities in biodiesel based on physico-chemical parameters of raw material. The architecture of neural network, which provides minimum of forecast errors.