WNN优化模型在模拟超临界二氧化碳中固体溶解度的应用.pdfVIP

维普资讯 学兔兔 第3期 胡德栋等：WNN优化模型在模拟超临界二氧化碳中固体溶解度的应用 75 WNN优化模型在模拟超临界二氧化碳中固体溶解度的应用 胡德栋 ，王威强 (1．青岛科技大学机电学院，青岛26606 1；2．山东大学机械工程学院，济南2 5006 1) 摘要：为了更好地模拟超I临界二氧化碳 (SC CO：)中固体的溶解度，提出了一种余弦常数r为0．1和采用部分动量法的 Modet自适应小波神经网络优化模型，并以温度 、压力P、溶质的摩尔体积 、熔点温度 、熔化热 、色散溶解度参数6。 和极性及氢键溶解度参数 为输入参数，对SC CO：中两种脂肪酸的溶解度进行了模拟。经过980次迭代得到了该模型对学习 样本的最小模拟误差为1．34％，对预测样本的模拟误差为8．89％，都小于活度系数模型和其它两种常用小波神经网络模型，此 结果表明该模型是一种SC CO：中固体溶解度的较好模拟模型。 关键词：小波神经网络；优化；固体溶解度；超临界二氧化碳；模拟 中图分类号：TQ 015，9 文献标识码：A 文章编号：1001—9219(2008)03-75·03 超临界二氧化碳(so co )中固体的溶解度是超 定：即L=2N+I。 临界流体(SF)技术的基础，因而对溶解度和其影响 因素之间的关系进行模拟具有重要意义。目前所采 用的模型主要有状态方程、缔合方程和活度系数模 型【l】，但由于SF体系的高度压缩和高度不对称性，这 些模型的模拟精度往往不够，而随着人工神经网络 模型(ANN)近几年在该领域的应用，大大提高了其 图 1 含一个隐含层的WNN结构 模拟精度刚，而最近Khayamian[+]等将以小波函数为 ng．1 Structure ofthe WNN 、vitIl a hidden layer 隐含层激励函数的小波神经网络模型(WNN)应用 1．2 网络激励函数 于该领域，大大提高了其模拟精度。影响WNN模拟 在图1中， 和 分别为输出层和隐含层上的 效果的因素有网络结构、小波函数和参数调整算法 激励函数。当 为线性函数时，小波函数的物理意 等，本文主要从后两者出发对用于SC CO 中固体 义更明确，但为了提高WNN的非线性拟合能力， 溶解度模拟的WNN进行了优化。 可取为sigmoid函数旧((1 )。 为小波变换函 1 小波神经网络简介 数，在处理数量有限的实验数据时，往往使用其离散 表达式 (1)：式中a和b分别为伸缩和移动尺寸参