BP神经网络对超临界CO2萃取油茶籽油过程的模拟.pdf

第30卷第5期 林 产 化 学 与 工 业 V01．30No．5 2010年lO月 and ofForestProducts Oct．20lO Chemistry Industry BP神经网络对超临界C02萃取油茶籽油 过程的模拟 卢泽湘1，范立维2，郑德勇1，廖益强1，黄彪1 (1．福建农林大学材料工程学院，福建福州350002； 2．福建农林大学资源与环境学院，福建福州350002) 摘要：应用BP神经网络(BPNN)对超临界c02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、亩ll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 LU Ze·xiang 径(0．215-0．625 mm)、压力(30-35MPa)、温度(35-50℃)、C02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c02萃取油茶 籽油过程的模拟。 关键词：神经网络；超临界C02；萃取；油茶籽油 中图分类号：TQ028．32；TQ351 文献标识码：A Simulationof ExtractionforCamelliaSeed Oil SupercriticalC02 by Back NeuralNetwork Propagation LU Bia01 Ze—xian91，FANLi—wei2，ZHENGDe．yon91，LIAOYi．qian91，HUANG ofMaterial and (1．College Engineering，FujianAgricultureForestryUniversity，Fuzhou350002，China； ofResourceand and 2．College Envimnnmnt，FuiianAgricultureForestryUniversity，Fuzhou350002，China) neural tosimulateand theextraction Abstract：Backpropagationnetwork(BPNN)was ofcamelliaseedoil applied predict by network’S and of and supercriticalC02．Neural structure，training hiddenstructurewere optimizationlearningalgorithms la