摘要
测定了紫苏油在超临界CO2 (SC CO2 )中的溶解度 ,利用误差逆传播 (BP)神经网络对溶解度数据进行了拟合。通过对萃取参数与溶解度的关系进行训练 ,实现网络结构的优化 ,建立了紫苏油在SC CO2 溶解度的网络模型 ,并将该模型用于一定范围内未知萃取参数下溶解度的预测 ,得到了较高的预测精度。结果表明 ,该方法可作为预测物质在SC CO2 溶解度的一种有效手段。
The solubility of perilla seed oil in supercritical CO_2 (SC-CO_2) was measured, and the solubility was simulated by Back Propagation (BP) neural network. Trained by relation of extraction parameter and solubility, the neural model for the solubility of perilla seed oil in supercritical CO_2 was established, then solubility under unknown extraction parameter within given scope was predicted with this model, the precision of the prediction was fairly high. The results show this method can be used as an effective way to predict the solubility of matter in SC-CO_2.
出处
《化学工程》
CAS
CSCD
北大核心
2003年第6期67-70,共4页
Chemical Engineering(China)
基金
国家自然科学基金项目 (2 0 0 0 770 0 8)
广东省自然科学基金重点项目 (0 3 65 5 6)
关键词
溶解度
紫苏油
神经网络
模型
超临界CO2
solubility
perilla seed oil
neural network
model
supercritical CO_2
