Аппроксимация обратных моделей температурно-концентрационных зависимостей функции пропускания однокомпонентной однородной газовой среды с помощью искусственных нейронных сетей

Каширский, Данила Евгеньевич; Войцеховская, Ольга Кузьминична

Аппроксимация обратных моделей температурно-концентрационных зависимостей функции пропускания однокомпонентной однородной газовой среды с помощью искусственных нейронных сетей

Каширский, Данила Евгеньевич, Войцеховская, Ольга Кузьминична

Дата публикации: 2018

Дата публикации в реестре: 2020-03-03T19:56:59Z

Аннотация:

Рассматривается вопрос применения искусственных нейронных сетей для аппроксимации обратных моделей температурно-концентрационных зависимостей функции пропускания однокомпонентной однородной газовой среды на примере угарного газа. Проведен расчет функции пропускания газа line-by-line методом для пяти спектральных центров с изменением парциального давления и температуры в интервалах 0.1-1 атм и 300-2500 К соответственно. Для осуществления аппроксимации обратных моделей использовался многослойный персептрон с тремя скрытыми слоями. Обучение искусственной нейронной сети производилось с помощью алгоритма Левенберга - Марквардта с регуляризацией Байеса. Проведен анализ ошибок получаемых обратных моделей в зависимости от количества используемых спектральных центров и размера обучающей выборки, показавший тенденцию к уменьшению величины ошибок с ростом этих параметров. Определены максимальные шаги равномерной концентрационно-температурной сетки, необходимой для корректной аппроксимации обратных моделей с помощью искусственных нейронных сетей. Получена обратная модель температурно-концентрационных зависимостей функции пропускания угарного газа, обеспечивающая решение обратной оптической задачи по определению его парциального давления и температуры с относительной ошибкой менее 3 % в рассматриваемых интервалах их изменения.

Ключевые слова:
искусственные нейронные сети, аппроксимация, функция пропускания, газовая среда, парциальное давление, температура

Тип: статьи в журналах

Права: open access

Источник: Известия высших учебных заведений. Физика. 2018. Т. 61, № 11. С. 110-116