导读:本文包含了径向浓度论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,稳态,浓度,颗粒,速度,结构,工作面。
径向浓度论文文献综述
李德根,刘晓亮,宋胜伟,张艳军,万丰[1]（2018）在《熵权法径向基神经网络的截割粉尘浓度模型与预测》一文中研究指出通过分析粉碎性能指标、截线间距、转速、摆动速度和每线齿数对截割粉尘浓度的影响,采用一种结构简单,收敛速度快,能够逼近任意非线性函数的广义RBF神经网络与熵权法确定各影响指标的权重,建立熵权法RBF神经网络截割粉尘浓度预测模型。仿真结果表明:熵权法RBF神经网络可以准确预测掘进工作面粉尘浓度。(本文来源于《煤炭技术》期刊2018年06期）
李晨,范怡平,贾海兵,黄世平,范瀚文[2]（2016）在《提升管反应器中颗粒浓度径向分布的力学特性》一文中研究指出采用空气动力学中的Kutta-Joukowski升力定理分析了提升管内颗粒的受力,得到了Kutta-Joukowski力FK-J的计算公式FK-J=ρg(vg,Z-vp,Z)(?vp,Z/?r)r.根据在大型冷模实验装置上由PV-6D型颗粒密度两用仪测量的局部固含率和颗粒速度径向分布的实验数据,计算了Kutta-Joukowski力在提升管内的分布特征,分析了颗粒循环量、表观气速、轴向位置对其径向分布的影响.结果表明,当无因次半径r/R=0时,FK-J=0,在r/R=0.85时,FK-J最大;FK-J随颗粒循环量增大而增大,表观气速对FK-J的径向分布没有显着影响;在提升管内的充分发展段FK-J的数值明显大于提升管加速区和出口约束区.由实验数据回归出了提升管内FK-J径向分布的经验关联式,计算值与理论值吻合较好.(本文来源于《过程工程学报》期刊2016年04期）
李晨[3]（2016）在《催化裂化提升管颗粒浓度径向分布特性的研究》一文中研究指出催化裂化是炼油工业中重要的二次加工过程,在我国石油加工业中占有举足轻重的地位,提供了国内市场70%以上的汽油和约30%的柴油产品。在现代催化裂化装置中,裂化反应主要发生在提升管反应器内,高价值的目标产品:汽油、柴油、液化气等都是在提升管内获得的。提升管内原料油和催化剂的流动、分布将会直接影响到整个反应的进程,然而实际情况却与理想的气固均匀接触并不相同。催化剂颗粒浓度在提升管近壁区域较高,在中心区域颗粒浓度较低,呈环-核结构分布;即在靠近边壁处,气相体积分率较小,而在中心区域气相体积分率较大。这种沿提升管截面催化剂颗粒和气体的不均匀分布,无疑造成在提升管内两相接触不均、影响了反应的进行。多年来,针对这种环-核结构形成的原因,却简单归咎于边界层内速度梯度的影响。但是,边界层如何影响两相浓度分布?速度梯度与浓度梯度之间的具体关系?却始终未有一个定量的描述。本文将空气动力学的理论和场论“移植”到两相流中,引入一个横向力:Kutta-Joukowski横向力来解释、量化提升管内环核结构形成的原因。本文采用理论分析结合实验研究的方法,首先采用PV-6A型颗粒速度-密度光纤测量仪,通过大型冷模实验装置考察了提升管内局部颗粒浓度、局部颗粒速度的分布。通过理论分析给出了提升管内局部Kutta-Joukowski横向力的计算方法,该力是颗粒速度的旋度(并非旋转,而是速度梯度的函数)、两相滑落速度和气相密度的函数。结合实验数据和目前公开发表文献中提升管内流动特性的实验数据,本文给出了Kutta-Joukowski横向力在提升管内的分布特征,并分析操作条件对Kutta-Joukowski横向力分布特性的影响。结果表明,局部Kutta-Joukowski横向力是提升管内颗粒浓度沿径向分布呈现边壁高、中间低的“环-核结构”的主要原因,其作用方向指向提升管边壁,主要受颗粒特性、颗粒循环强度、表观气速、轴径向位置影响。在此基础上,确定了提升管内与颗粒群局部Kutta-Joukowski横向力相平衡的浓度梯度力,并建立了二者之间的定量关联式。(本文来源于《中国石油大学(北京)》期刊2016-04-01）
刘朝晖,梅全喜,黄榕波,温预关,李明亚[4]（2013）在《基于径向基神经网络的舒必利稳态血药浓度预测》一文中研究指出目的建立基于径向基(RBF)神经网络舒必利稳态血药浓度预测模型。方法将所收集的用于建立舒必利稳态血药浓度预测模型的数据(包括患者的性别、年龄、体重、剂量、稳态血药谷浓度、多项生理生化指标等)分为训练集、校验集和测试集,前两者用于训练RBF神经网络,后者用于测试RBF神经网络,分别利用各数据集的网络计算输出值与目标输出值之间的均方差(MSE)和相关系数(R)评价网络模型的训练效果和预测性能。结果建立以患者的性别、年龄、体重、剂量、多项生理生化指标等37项参数为输入变量,舒必利稳态血药浓度为输出变量的37-1-1结构的RBF神经网络,当网络中心宽度SP值为2.3时,训练集、校验集和测试集的MSE分别为4.50×10-6、0.003 531和0.011 001,R值分别为0.999 91、0.955 32和0.814 25。结论利用RBF神经网络所建立的舒必利稳态血药浓度预测模型的预测效果较好,但泛化能力尚待提高。(本文来源于《今日药学》期刊2013年10期）
刘朝晖,梅全喜,黄榕波,温预关,李明亚[5]（2013）在《用径向基神经网络预测5种抗精神病药物的稳态血药浓度》一文中研究指出目的建立基于径向基(RBF)神经网络的利培酮、奋乃静、氯氮平、氯丙嗪、舒必利稳态血药浓度预测模型。方法将所收集的用于建立5种药物稳态血药浓度预测模型的数据分为训练集、校验集和测试集,前两者用于训网络,后者用于测试网络,并评价其训练效果和预测性能。结果当网络中心宽度SP值为1.4时,训练集、校验集和测试集的MSE分别为3.49×10-6,1.24×10-2,1.23×10-2,R值分别为0.99997,0.8815,0.8896。结论 RBF网络用于预测5种药物的稳态血药浓度的研究是可行的和有效的。(本文来源于《中国临床药理学杂志》期刊2013年07期）
刘朝晖,黄榕波,陈庆强,温预关,李明亚[6]（2012）在《用径向基神经网络预测氯丙嗪的稳态血药浓度》一文中研究指出目的评价用径向基(RBF)神经网络所建立的预测氯丙嗪稳态血药浓度模型的预测性能。方法将数据分为训练集、校验集和测试集,来建立获取输出变量(37项参数)与输出变量(氯丙嗪稳态血药浓度)两者间关系的RBF网络模型,并评价其预测性能。结果当扩展速度(SP)值为2.8时,所建立的RBF网络模型,预测奋乃静稳态血药浓度的效果和泛化能力较好。结论 RBF网络用于预测氯丙嗪稳态血药浓度是可行的和有效的。(本文来源于《中国临床药理学杂志》期刊2012年07期）
刘朝晖,梅全喜,黄榕波,温预关,李明亚[7]（2012）在《径向基神经网络预测利培酮的稳态血药浓度》一文中研究指出目的:评价用径向基(RBF)神经网络所建立的预测利培酮稳态血药浓度模型的预测性能。方法:将数据分为训练集、校验集和测试集来建立获取输出变量与输入变量两者间关系的RBF网络模型,其中以患者的性别、年龄、体重、剂量、血压、多项生理生化指标等37项参数为输入变量,利培酮稳态血药浓度为输出变量。用训练集和校验集的网络计算输出值与目标输出值之间的均方差(MSE)和相关系数(R)来综合评价网络模型的学习效果,用测试集的网络计算输出值与目标输出值之间的MSE和R来评价网络模型的预测性能。结果:当扩展系数值为1.5时,训练集的MSE为6.93×10-6,R值为0.99988;校验集的MSE为8.24×10-3,R值为0.86669;测试集的MSE为8.58×10-3,R值为0.80899;网络模型的预测效果和泛化能力较好。结论:RBF网络用于预测利培酮稳态血药浓度的研究是可行的。(本文来源于《中国药房》期刊2012年26期）
刘朝晖,黄榕波,陈庆强,温预关,李明亚[8]（2011）在《径向基神经网络预测氯氮平血药浓度》一文中研究指出目的:评价用径向基(RBF)神经网络所建立的预测氯氮平稳态血药浓度模型的预测性能。方法:将数据分为训练集、校验集和测试集来建立获取输入、输出变量两者间关系的RBF网络模型,其中以患者的性别、年龄、体重、剂量、血压、多项生理生化指标等37项参数为输入变量,氯氮平稳态血药浓度为输出变量。用训练集和校验集的网络计算输出值与目标输出值之间的均方差(MSE)和相关系数(R)来综合评价网络模型的学习效果,用测试集的网络计算输出值与目标输出值之间的MSE和R来评价网络模型的预测性能。结果:当扩展系数(SP)值为3.0时,训练集的MSE为1.33×10-5、R值为0.99985,校验集的MSE为0.002833、R值为0.97186,测试集的MSE为0.005439、R值为0.93676,网络模型的预测效果和泛化能力较好。结论:RBF网络用于预测氯氮平稳态血药浓度的研究是可行和有效的。(本文来源于《中国药房》期刊2011年14期）
刘朝晖,陈庆强,黄榕波,温预关,李明亚[9]（2010）在《用径向基神经网络预测奋乃静的稳态血药浓度》一文中研究指出目的评价用径向基(RBF)神经网络所建立的预测奋乃静(抗精神病药)稳态血药浓度模型的预测性能。方法将数据分为训练集、校验集和测试集,来建立获取输出变量(患者的性别、年龄、体质量、剂量、血压、多项生理生化指标等37项参数)与输出变量(奋乃静稳态血药浓度)两者间关系的RBF网络模型,并评价其预测性能。结果当扩展速度(SP)值为1.53时,所建立的RBF网络模型预测奋乃静稳态血药浓度的效果和泛化能力较好。结论 RBF网络用于预测奋乃静稳态血药浓度的研究是可行的和有效的。(本文来源于《中国临床药理学杂志》期刊2010年11期）
鄂承林,蔡丹枫,范怡平,卢春喜,徐春明[10]（2010）在《喷嘴油气在提升管进料段的浓度径向分布及混合行为》一文中研究指出在Ф200mm提升管冷态实验装置上,根据喷嘴油气在进料段4个轴向位置(H=0.375、0.675、1.075、1.375m)及不同操作参数(Ur=2.25～4.30m.s-1,Uj=41.7～62.5m.s-1,Mj/Mr=0.29～4.21)的浓度径向分布形式,考察了喷嘴油气与预提升气体和颗粒在进料段内的混合过程。结果表明,喷嘴油气在进料段内存在6种浓度径向分布形式,反映了喷嘴油气与预提升气体和颗粒在进料段的不同混合行为,沿轴向由下至上分别为:未混合区(强M形分布)、混合区(弱M形分布、强叁峰形分布、弱叁峰形分布、单峰形分布)及完成混合区(环-核分布)。随着Uj的增加或Ur的减小,喷嘴油气与预提升气体和颗粒在进料段内的未混合区、混合区及完成混合区的轴向高度逐渐增加。采用喷嘴射流动量与预提升来流动量之比Mj/Mr考察了操作参数及装置结构尺寸等对喷嘴油气与预提升气体和颗粒在进料段内混合过程的综合影响。喷嘴油气与预提升气体和颗粒的未混合区、混合区及完成混合区的轴向位置在动量比Mj/Mr≤0.29时分别为:0～0.375m、0.375～0.525m、0.525～0.675m;在动量比Mj/Mr=0.29～0.54时分别为:0～0.375m、0.375～0.875m、0.875～1.075m;在动量比Mj/Mr=0.54～4.21时分别为:0～0.525m、0.525～1.225m、1.225～1.375m。(本文来源于《化工学报》期刊2010年09期）
径向浓度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
采用空气动力学中的Kutta-Joukowski升力定理分析了提升管内颗粒的受力,得到了Kutta-Joukowski力FK-J的计算公式FK-J=ρg(vg,Z-vp,Z)(?vp,Z/?r)r.根据在大型冷模实验装置上由PV-6D型颗粒密度两用仪测量的局部固含率和颗粒速度径向分布的实验数据,计算了Kutta-Joukowski力在提升管内的分布特征,分析了颗粒循环量、表观气速、轴向位置对其径向分布的影响.结果表明,当无因次半径r/R=0时,FK-J=0,在r/R=0.85时,FK-J最大;FK-J随颗粒循环量增大而增大,表观气速对FK-J的径向分布没有显着影响;在提升管内的充分发展段FK-J的数值明显大于提升管加速区和出口约束区.由实验数据回归出了提升管内FK-J径向分布的经验关联式,计算值与理论值吻合较好.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
径向浓度论文参考文献
[1].李德根,刘晓亮,宋胜伟,张艳军,万丰.熵权法径向基神经网络的截割粉尘浓度模型与预测[J].煤炭技术.2018
[2].李晨,范怡平,贾海兵,黄世平,范瀚文.提升管反应器中颗粒浓度径向分布的力学特性[J].过程工程学报.2016
[3].李晨.催化裂化提升管颗粒浓度径向分布特性的研究[D].中国石油大学(北京).2016
[4].刘朝晖,梅全喜,黄榕波,温预关,李明亚.基于径向基神经网络的舒必利稳态血药浓度预测[J].今日药学.2013
[5].刘朝晖,梅全喜,黄榕波,温预关,李明亚.用径向基神经网络预测5种抗精神病药物的稳态血药浓度[J].中国临床药理学杂志.2013
[6].刘朝晖,黄榕波,陈庆强,温预关,李明亚.用径向基神经网络预测氯丙嗪的稳态血药浓度[J].中国临床药理学杂志.2012
[7].刘朝晖,梅全喜,黄榕波,温预关,李明亚.径向基神经网络预测利培酮的稳态血药浓度[J].中国药房.2012
[8].刘朝晖,黄榕波,陈庆强,温预关,李明亚.径向基神经网络预测氯氮平血药浓度[J].中国药房.2011
[9].刘朝晖,陈庆强,黄榕波,温预关,李明亚.用径向基神经网络预测奋乃静的稳态血药浓度[J].中国临床药理学杂志.2010
[10].鄂承林,蔡丹枫,范怡平,卢春喜,徐春明.喷嘴油气在提升管进料段的浓度径向分布及混合行为[J].化工学报.2010
论文知识图
