华南理工大学化工学院2001级博士生课程设计..docVIP

华南理工大学化工学院2001级博士生课程设计 超临界CO2萃取 紫苏油过程的计算机模拟 设计者: 文 震 指导老师: 钱 宇 2001年12月 目 录 摘要………………………………………………………………………1 Abstract…………………………………………………………………2 一 设计背景……………………………………………………………3 二 设计原理……………………………………………………………3 BP神经网络原理……………………………………………………3 BP神经网络算法 …………………………………………………4 BP算法程序流程图…………………………………………………6 网络参数的选择 ……………………………………………………6 三 实验部分 …………………………………………………………6 1 实验原料 ……………………………………………………………6 　2 实验试剂与设备 …………………………………………………… 6 　3实验方法与流程 ………………………………………………………7 四 结果与讨论……………………………………………………… 7 1 神经网络的训练 …………………………………………………… 8 　2 网络有效性的验证 ………………………………………………… 9 　3 网络预测结果 ………………………………………………………10 结论……………………………………………………………………… 11 参考文献…………………………………………………………………12 附录…………………………………………………………………………13 超临界CO2萃取紫苏油过程的计算机模拟 摘 要 本文测定了紫苏油在超临界CO2（SC-CO2）中的溶解度，并利用误差逆传播（BP）神经网络对溶解度数据进行了拟合。通过对萃取参数与溶解度的关系进行训练学习，实现网络结构的优化，建立了紫苏油在SC-CO2溶解度的网络模型，并将该网络用于未知萃取参数下溶解度的预测，得到了较高的预测精度。结果表明，该方法可作为预测物质在SC-CO2溶解度的一种有效手段。 关键词： 溶解度 紫苏油 神经网络 模型 超临界CO2 Simulation of Extraction Process of Perilla Seed Oil with Supercritical Carbon Dioxide Abstract In this article, the solubility of Perilla seed oil in supercritical carbon dioxide (SC-CO2) was measured, then the solubility was simulated by Back Propagation (BP) neural network.. By means of learning and training with relation of extraction parameter and solubility , the neural model of the solubility of Perilla Seed Oil in supercritical carbon dioxide was established, then solubility under unknown extraction parameter was predicted with this model, the precision of the prediction is fairly high. The results showed this method can be used as an effective way to predict the solubility of matter in SC-CO2. Key words: solubility Perilla seed oil neural network model supercritical carbon dioxide 一 设计背景 了解和预测待萃物在超临界CO2流体中的溶解度及其随温度、压力等影响因素的变化规律, 是进行超临界CO2萃取工艺设计和设备计算的基础。而目前待萃物的溶解度主要由实验所测，受主观影响因素较大。近年来，研究者尝试用建立数学模型的方法来计算纯物质的溶解度，而在超临界状态下物质的理化参数极其匮乏，同时由于待萃物大多数为组成复杂的天然产物，很难利用现成的纯物质的溶解度公式建立数学模型，