1、“.....根据输入输出关系使用个传递函数。如果输入不含负值，所以采纳函数。如果包括负值，则采纳函数。在本文中，隐藏层神经元使用传递函数，输出层神经元用纯线性传递函数。.隐藏图层节点选择许多学者曾从事研究隐藏层最佳节点。柯尔莫哥洛夫定理证明，只要个隐层节点足够多，神经网络隐藏层可以以任意精度逼近非线性函数。然而，对于个从输入到输出有限映射，无限多隐藏层节点是没有必要。以及如何选择隐藏层节点仍是个栈结构以及各种操作参数，如稀释流速度。极限电流测量方法是伏安法值法等等。本文用伏安方法来确定极限电流密度,具体步骤如下。在恒定温度浓度和流量情况下，调整电压表按钮并记录每组电压和电流。当电压很低时，电流与电压有线性关系。随着电压增加,电流发生微妙变化。极限电流是转折点,我们就得到了极限电流密度。例如.，.，随着电压逐渐增加，电流与电压有线性关系。当电流达到.时，电压对电流有轻微影响，所以极限电流即拐点是.图。膜有效面积是两个，所以极限电流密度是在实验中，工作电流不能超过极限电流。否则电渗析过程中将发生极化，分离百分比预测也就毫无意义。使用伏安法，在所有实验条件下获得极限电流密度表......”。

2、“.....所有电流被控制限制电流下。在电渗析实验中，极限电流最大值是.，离子交换膜有效面积，所以极限电流密度最大值是实验数据实验在极限电流密度下开展表。对四个因素进行研究进料浓度.,和.,稀释舱流量.毫升秒,.毫升秒,.毫升秒,.毫升秒和毫升,反应温度和,外加电压,和。.基于神经网络算法和改进算法神经网络典型神经网络是个全神经网络包括个输入层隐藏层和输出层训练过程目标是调整权值。网络训练是个无约束非线性最小化问题。研究人员声称,个隐层网络所需任何精度逼近任意连续函数。神经网络由向前反馈和误差反向传播两部分组成。向前传播,输入从输入层开始传播，被些隐藏层处理后到达输出层，输出层输出预测值与实际输出比较,它们之间区别是聚合生成误差。在误差反向传播中,当误差超出误差范围,误差被调整回传播权值。学习过程直持续到误差聚合目标值图。神经网络构建有关于神经网络些预防措施预处理样品。通常样品没有直接使用网络训练,而是从原始数据预处理。实验数据包含些不确定因素训练。预处理方法是提高训练和测试数据可靠性必要准备。优化初始权值。网络初始权值影响最终训练结果......”。

3、“.....选择隐藏图层数和神经元隐藏图层。隐藏图层和神经元隐藏图层选择，是直接影响复杂问题映射能力最关键步。现在可靠算法从隐藏层和大量神经元开始,训练和测试,然后增加它们数量。比较不同训练和测试样本结果,选择更合适隐藏层个数及其神经元。在这项研究中,具有不同神经元隐层三层神经网络用于这次电渗析实验。选择训练样本。网络所需样本取决于复杂程度映射关系。般情况下，映射关系越复杂，需要越多训练样本。从所有数据中选择样本时，需要遵守以下原则足够数量典型和均匀。改进算法基于坚实理论和严格推导，然而包括慢收敛偶尔出现局部极值点，所以训练过程中有许多不足之处。在实际应用中，算法很难是见效，因此人们提出了些改进算法，以提高预测能力。有几种方法改进算法，如附加动量方法，自适应学习率方法，灵活算法，等等。在此论文中，自适应学习率方法和灵活算法被用来预测在电渗析过程中分离百分比并用于与比较预测能力。.自适应学习算法算法训练过程受不当学习速率影响有慢收敛缺点。算法中权值调整取决于学习速率和斜率。在算法中，学习速率是恒定。事实上，当学习速率较低训练时间变长，收敛变得较慢。当学习率太高......”。

4、“.....自适应学习率如图中所示。自适应学习速率基本原理当学习速率η增加，将造成学习时间缩短学习速率越高，越难收敛。在这种情况，学习速率应该会减少直到训练过程收敛。可以通过改变误差和斜率，也可以根据误差函数通过改变学习速率梯度调整学习速率。此外，通过探性地进行调整试可能改变总误差，规则如下所示如果总误差减少，学习速率需要增加。如果总误差增加，学习速率需要减少。当新误差与原来误差比值超过个值时例如.，学习速率迅速下降。.灵活算法般来说，用函数来将数据从输入层传递到隐藏层。此外，函数保持无限输入和有限界内输出。当输入大变量时，函数斜率将接近。即使梯度发生了微妙变化,这可能引起权值发生巨大变化,所以权值逐渐倾斜最佳值,甚至使网络权值在修改过程中停止。当训练过程振动时，数量可变权值将会减少。在几个迭代中权值变化方向保持不变时，可变数量权值将会增加。因此，灵活算法在收敛速度上有超越其他改进算法优势。.结果和讨论神经网络和改进算法设计中，需要确定四个重要方面神经元传递函数选择隐藏图层节点选择学习率增加比率选择神经网络和改进算法泛化测试......”。

5、“.....而且这些传递函数必须是可诱导。神经网络有个或多个隐藏层,隐藏层神经元使用传递函数。输出层神经元使用纯线性传递函数且输出可以是任意值。如果输出层神经元传递函数是传递函数,则整个网络输出会被限制在−,内。传递函数包括和两个函数。对于这两个函数，输入分别映射到,和−,。函数是个单向传递函数。函数是个双向传递函数，并被称为双曲正切函数图。在实际应用中，根据输入输出关系使用个传递函数。如果输入不含负值，所以采纳函数。如果包括负值，则采纳函数。在本文中，隐藏层神经元使用传递函数，输出层神经元用纯线性传递函数。.隐藏图层节点选择许多学者曾从事研究隐藏层最佳节点。柯尔莫哥洛夫定理证明，只要个隐层节点足够多，神经网络隐藏层可以以任意精度逼近非线性函数。然而，对于个从输入到输出有限映射，无限多隐藏层节点是没有必要。以及如何选择隐藏层节点仍是个.−,−,−−−.,,.,.,,.,.,.栈结构以及各种操作参数，如稀释流速度。极限电流测量方法是伏安法值法等等。本文用伏安方法来确定极限电流密度,具体步骤如下。在恒定温度浓度和流量情况下，调整电压表按钮并记录每组电压和电流......”。

6、“.....电流与电压有线性关系。随着电压增加,电流发生微妙变化。极限电流是转折点,我们就得到了极限电流密度。例如.，.，随着电压逐渐增加，电流与电压有线性关系。当电流达到.时，电压对电流有轻微影响，所以极限电流即拐点是.图。膜有效面积是两个，所以极限电流密度是在实验中，工作电流不能超过极限电流。否则电渗析过程中将发生极化，分离百分比预测也就毫无意义。使用伏安法，在所有实验条件下获得极限电流密度表。为了防止发生电渗析池极化，所有电流被控制限制电流下。在电渗析实验中，极限电流最大值是.，离子交换膜有效面积，所以极限电流密度最大值用神经网络算法和改进神经网络算法研究预测电渗析过程分离百分比摘要在电渗析过程中，分离百分比与些影响因素进料浓度稀室流通率反应温度和应用电压有非线性关系，并且这些关系很难用个简单公式来表示。四个影响因素对产生了显著影响。在这篇论文中，对四个因素进行了电渗析实验研究。反向传播神经网络算法和改进算法被用于预测，并且他们预测能力可以反映出他们在非线性关系复杂数据上适应能力。使用不同神经网络结构神经元传递函数和学习率，可以获得最佳训练参数......”。

7、“.....由于改进神经网络算法适当地改变了正确学习率和权值比率，所以它比神经网络算法更好。在高温和高电压情况下，改进神经网络算法将有更好预测性能，这是因为改进神经网络算法有大数值泛化能力。关键字神经网络算法改进算法电渗析法分离百分比改进算法自适应学习算法.导言电渗析是在电势差驱动力帮助下，离子从溶液个带电膜分离到另个电膜过程。这过程广泛用于生产饮用水及从半咸水和海水中处理水处理工业废水从污水和盐生产恢复有用物料。文献中对电渗析应用和基本原则进行了检验。因为其化学稳定性高灵活性和由于其强大离子特征带来高离子电导率，人们开发了许多使用离子交换膜电渗析应用并且商业化。两种不同类型离子交换膜用于常规电渗析阳离子交换和阴离子交膜换，分别渗透阳离子和阴离子。然而，在性能经营过程中，电流密度应保持小于极限电流密度，因为水离解引起结垢和膜破损。所以测定极限电流密度和系统潜力也被执行。极限电流密度是最大电流密度当前每单位面积膜，它可以使用而且不会导致高电阻和较低电流功率等负面影响。在极限电流密度下，在阳离子交换膜或阴离子交换膜表面阳离子或阴离子浓度，恰到好处，在稀室内消耗溶液是零......”。

8、“.....水分解时生成和−运输部分电流。人工神经网络人工神经网络利用相互联系数学节点或神经元以形成个网络，可以模拟复杂功能关系。它发展始于世纪年代以帮助认知科学家理解中枢神经系统复杂性。它已经稳步发展，并适应科学许多领域。基本上，人工神经网络是源自人类大脑在学习过程中数值结构灵感。他们构造作为替代数学工具用于解决不同领域问题系统辨识预测模式识别分类过程控制及其他许多。人工神经网络已广泛在膜过程中应用反渗透纳滤超滤微滤膜膜过滤气体分离膜生物反应器和燃料电池。然而，在文献中很少有几条应用人工神经网络预测电渗析过程中分离百分比记录。人工神经网络中受到最多关注是反向传播网络。有分层前馈网络框架。在经典结构中，产出每个图层被直接送到每个神经元下层。有许多层，但人们认为至少三个图层个接收和分发输入输入层捕捉输入和输出非线性关系中间层或隐藏层，和个生产计算数据输出层。神经元也可能包含产生恒定输出但没有收到输入这样偏差。算法基于神经网络错误最小化。这些错误被描述为期望产出与实际之间差异。当训练精度满足时即训练完成图。操作具有更好推广和容错功能，然而......”。

9、“.....在训练过程中出现可能局部极值点。所以在这项研究中，改进算法被用来改进电渗析过程中分离百分比预测能力。在这篇论文中，自适应学习算法和灵活算法是改进算法在电渗析过程中应用。.材料和方法实验仪器和材料电渗析过程中，在表中显示了实验仪器和材料。此外，其他实验材料量筒烧杯去离子水等。这些实验目是研究进料浓度温度电压和流通率对电渗析电池性能影响。电渗析池和电渗析膜有机玻璃做成板和框架电渗析池被用来进行电渗析实验图。电渗析池由三部分组成，对阳离子交换膜和阴离子交换膜和对电极。电渗析池长度宽度和高度分别为和.。阳离子交换膜和阴离子交换膜有效区域都是。这两个电极由纯铂金制成，每个电极表面积是。稀释容量和浓缩容量分别是.和.。氯化钠溶液被输入到电渗析池三个单元格中。阳离子交换膜和阴离子交换膜分别有阳离子渗透性和阴离子渗透性。两层膜被并排沉浸在溶液中，并有电流通过溶液。正离子迁移到阴极，阴离子迁移到阳极。注入溶液被划分成两个流。个是稀释水，另个是浓缩水。在定流速下，可以操作电渗析池去除电离子。离子在电渗析池中被电解，阴极和阳极发生反应如下所示阳极反应−−↑−↑阴极反应↑−。在阳极反应中......”。