连云港空压机分析较小冷化空压机热化预算智能脉络方略的变革
这些参数的变化主要受压缩机吸、排气压比pd/ps的影响。因此，若将式（4）（6）中等号左侧的复合变量作为神经网络的输出参数，则只须将压缩机的吸排气压比pd/ps作为神经网络的输入参数，神经网络结构可以大为简化。
考虑到神经网络输入和输出参数的值域一般规范化到区间，因此最终的神经网络输入、输出参数分别是输入ps/pd、输出Vcom/Vth、（Vthps）/Pcom和Ts/Td.简单分析可以知道，上述输入、输出参数值可以自然地落入<0，1>区间，也就无需进行规范化和反规范化操作了。
在仿真计算时，只需通过神经网络计算机输出参数，再经过简单的变量置换就可以得到压缩机热力性能参数的实际计算值。综上，可得到如所示的小型制冷压缩机热力计算的神经网络模型示意图。简洁起见，图中省略了中间隐层和输出层神经元的阈值输入。
第二步是用训练好的前向神经网络对试验值进行预测计算。计算效果如表所示。表中max和av分别表示误差的最大值和平均值（均为绝对值）。由表可知，本文方法作为一种通用方法，其计算精度令人满意。连云港空压机
