盧澤湘1,范立維2,鄭德勇1,廖益強1,黃 彪1
(1.福建農林大學 材料工程學院,福建福州350002;2.福建農林大學資源與環(huán)境學院,福建福州350002)
摘 要:應用BP神經(jīng)網(wǎng)絡(BPNN)對超臨界CO2萃取油茶籽油過程進行了模擬和預測。研究了神經(jīng)網(wǎng)絡的構建、訓練以及學習算法和隱含層結構的優(yōu)化,并用得到的神經(jīng)網(wǎng)絡對不同原料平均粒徑(0.215~0.625mm)、壓力(30~35MPa)、溫度(35~50℃)、CO2流量(20~25L/h)條件下的油茶籽油收率進行預測。結果表明:L-M算法是適宜的BP神經(jīng)網(wǎng)絡學習算法;具有5/8/1結構的BP神經(jīng)網(wǎng)絡的模擬性能最優(yōu);模型的預測值與實驗結果吻合較好,大部分數(shù)據(jù)的相對誤差小于3%,說明BP神經(jīng)網(wǎng)絡適用于超臨界CO2萃取油茶籽油過程的模擬。
關鍵詞:神經(jīng)網(wǎng)絡;超臨界CO2;萃取;油茶籽油
中圖分類號:TQ028.32;TQ351
文獻標識碼:A
文章編號:0253-2417(2010)05-0012-07