BP神经网络对超临界CO2萃取油茶籽油过程的模拟

• 作者: 卢泽湘 廖益强 范立维 郑德勇 黄彪
• 来源期刊: 林产化学与工业
• 学科: 工学
• 关键词: 神经网络 超临界CO2 萃取 油茶籽油
• 年，卷（期）: 2010,（5）
• 页码范围: 12-18
• 分类号: TQ028.32|TQ351
• 字数: 3731字
• 语种: 中文

摘要

应用BP神经网络(BPNN)对超临界CO2萃取油茶籽油过程进行了模拟和预测.研究了神经网络的构建、训练以及学习算法和隐含层结构的优化,并用得到的神经网络对不同原料平均粒径(0.215 ～ 0.625mm)、压力(30 ～ 35MPa)、温度(35 ～ 50℃)、CO2流量(20～25L/h)条件下的油茶籽油收率进行预测.结果表明:L - M算法是适宜的BP神经网络学习算法;具有5/8/1结构的BP神经网络的模拟性能最优;模型的预测值与实验结果吻合较好,大部分数据的相对误差小于3%,说明BP神经网络适用于超临界CO2萃取油茶籽油过程的模拟.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄彪	福建农林大学材料工程学院	131	1605	23.0	33.0
2	廖益强	福建农林大学材料工程学院	49	516	14.0	21.0
3	卢泽湘	福建农林大学材料工程学院	37	194	8.0	11.0
4	范立维	福建农林大学资源与环境学院	25	129	7.0	10.0
5	郑德勇	福建农林大学材料工程学院	49	625	12.0	24.0