一种基于FPA-BP神经网络的天然气湿气管道持液率预测模型方法

基于FPA‑BP神经网络预测天然气湿气管道持液率的方法，对湿气管道持液率实验数据进行收集并分组划分为训练组与测试组；确定BP神经网络初始结构；确定FPA(花授粉算法)种群规模、种群个体、迭代次数、最大最小隶属度以及权值的最大值和最小值：初始化经验梯度方向，确定搜索步长、搜索方向，确定搜索策略，将计算得到的步长和方向进行位置更新，更新个体和全局最优和最佳适应度值；检验模型准确性：计算湿气管道系统的持液率参数。采用花授粉算法优化BP神经网络，避免了BP神经网络随机生成的初始权值和阈值难以准确获得，在迭代后期容易陷入局部最优点从而导致预测结果差别较大，预测效果不稳定等缺陷，具有计算精度高、稳定性强、适应性广泛等优点，为湿气管道的持液率预测提供了新思路和新途径。