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