BP神经网络对超临界CO2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。

　　关键词：神经网络；超临界CO2；萃取；油茶籽油

　　中图分类号：TQ028.32；TQ351

　　文献标识码：A

　　文章编号：0253-2417（2010）05-0012-07