死端微滤酵母悬浮液比阻的预测的研究.pdfVIP

·396· 第三届中国膜科学与技术报告会论文集 2007年10月 死端微滤酵母悬浮液比阻的预测研究 姚金苗n，王 湛H，陈德明2，储金树1，孙光民2，张虎3，李兆辉3 (1．北京工业大学环境与能源工程学院化学化工系，北京100022；2．北京工业大学电子信息 与控制工程学院，北京100022；3．北京流体过滤与分离技术研究中心，北京101312) 摘要：首先设计了三因素四水平的正交实验表作为建模样本，其次利用人工神经网络方法 和多元线性回归方法分别建立了基于操作条件(压力△P=0．04～0．12MPa，浓度C=0．3～ 2．0g／L，温度T=20-40℃)的比阻预测模型，以期用于死端微滤过程操作条件的优化，最后 以检验样本的相对误差作为衡量指标，分别采用BP人工神经网络方法和多元线性回归方法 对死端微滤过滤酵母悬浮液时的比阻进行了预测．研究结果表明：(1)在本实验范围内，BP人 工神经网络模型的最佳拓朴结构为3—7—1，隐层神经元个数为7，学习速率为0．05，学习．函 数为traingdx，传递函数为Logsig；用多元线性回归方法得到的比阻与操作条件之间的数学关 系式为：口，一=1．639883+44．2P+0．86217C一0．0607T；(2)利用BP人工神经网络和多 元线性回归方法预测死端微滤比阻的平均相对误差分别为3。55％和5。16％．由此可见，这两 种方法都可用于死端微滤比阻预测，并且前者优于后者． 关键词：死端微滤；比阻；多元线性回归；BP人工神经网络 中图分类号：TQ028文献标识码：A 微滤是目前应用最普遍、销售额最大的一项压 人工神经网络(ANN)是一种适合于解决从一 力驱动膜技术，广泛应用于气体净化、污水治理、化 个集合到另一集合目标之间映射问题的新型软计算 工、医药、食品等工业领域【1’2J．死端微滤由于具有 方法HJ．一般来说，它具有不需预先确定样本的数 操作压力低、能耗小、处理成本较低且效果好等众多 学模型而任意逼近任一高度非线性函数的优点，简 优点，因而特别适用于实验室及工业过程中低浓度 言之，就是只需提供给定网络一定的学习样本数据， 小批量间歇操作时的情形．但在实际使用过程中，膜 系统通过网络权值和阈值的调整(自身的学习)，就 表面滤饼的形成及其不断增厚将会导致死端微滤膜 可以实现非线性逼近和对目标函数的预测．与此相 阻力的不断增加和膜通量的持续下降，因此，研究膜 比，多元回归分析是一种常用的线性统计分析方法， 表面滤饼阻力的变化规律性就成为死端微滤膜污染 常用来计算和优化多变量过程，在函数的拟合、预测 领域中迫切需要解决的关键技术问题之一．滤饼阻 等方面得到了广泛的应用吲5．目前，这两种方法已 力一般是通过比阻(单位质量滤饼的阻力)来计算 被成功应用于微滤膜通量及膜污染的预测研究。 的，这样一来，如何准确预测实际死端微滤过程中不 Domier等∞J首先将ANN法用于研究蔗糖汁稀释 同操作条件下的比阻就显得尤为重要．综观文献，不 液的陶瓷膜错流微滤膜污染规律，证明隐含层节点 J． 难看出，比阻随操作条件的变化规律非常复杂【3 数为8的瞥隐含层网络与隐含层节点数分别为5和 因此，开展比阻随不同操作条件的变化规律性研究， 3的双隐含层网络均町取得较好的预测结果．此后， 并寻求一种合理的预测方法对其实施较为准确的预 Piron等1．7J分别针对酵母悬浮液建立了单纯的ANN 测就硅得非常迫切，这就构成了比阻研究领域的重 模型和ANN与物理模型的杂化模型，杂化模型预 要工作之一． 测结果的准确性稍好，其对物理模型的依赖性较强， 基金项目：北京市自然科学基金(8052006)和国家自然科学基金(20276f)03)资助项目 谗女弗 姚±苗等