ダイナミック再帰ニューラルネットワーク - Elmanを用いた凝縮器真空予測の適用。実例を通じて、この方法は比較的正確に凝縮器真空を予測し、高速なトレーニング速度、簡単な構造、高い精度を持つことを示し、効果的な予測手法であることを示しています。同時に、ニューラルネットワークの逆伝播（BP）アルゴリズムを使用する際には局所的な最小値が発生する可能性があるため、エルマンニューラルネットワークの接続重み係数を粒子群最適化アルゴリズムを使用して最適化する方法が提案されました。シミュレーションの結果、粒子群最適化アルゴリズムを使用するエルマンニューラルネットワークは、より正確な凝縮器真空予測モデルを構築できることを示しています。

凝縮器；真空；ニューラルネットワーク；粒子群最適化アルゴリズム；モデリング