连续搅拌反应釜( CSTR)的神经网络动态建模

<p>基于广义性能指标, 提出一种神经网络学习算法——广义递推预报误差学习算法( GRPE ) , 该<br> 算法具有二阶收敛阶次。同时讨论了学习速率的选择问题。利用所提出方法对 CST R 动态建模结果表<br> 明,基于 GRPE 训练的 DRNN 比基于 BP 训练的 MLP 模型精度高, 收敛速度快。</p>