Anwendung eines dynamischen rekursiven neuronalen Netzwerks - Elman zur Vorhersage des Kondensator-Vakuums. Durch ein praktisches Beispiel wird gezeigt, dass diese Methode in der Lage ist, das Kondensator-Vakuum ziemlich genau vorherzusagen und Merkmale mit schneller Trainingsgeschwindigkeit, einfacher Struktur und hoher Genauigkeit aufweist, was eine effektive Vorhersagemethode darstellt. Gleichzeitig treten beim Einsatz des Backpropagation (BP) -Algorithmus für neuronale Netzwerke lokale Minima auf, daher wurde ein Verfahren zur Optimierung der Verbindungsgewichte des neuronalen Netzwerks Elman unter Verwendung des Partikelschwarm-Optimierungsalgorithmus vorgeschlagen. Simulationsergebnisse zeigen, dass ein Elman-Neuronales Netzwerk, das den Partikelschwarm-Optimierungsalgorithmus verwendet, ein genaueres Modell zur Vorhersage des Kondensator-Vakuums erstellen kann.

Kondensator; Vakuum; Neuronales Netzwerk; Partikelschwarm-Optimierungsalgorithmus; Modellierung