用人工神经网络模型模拟催化精馏塔

尝试用人工神经网络模型模拟醋酸甲酯水解催化精馏塔的操作过程，并寻求最佳工艺条件。以进料水酯比、回流进料比和醋酸甲酯的体积流率与催化剂体积比作为输入层的三个节点，醋酸甲酯的转化率和塔釜中的酸水比为输出层的两个节点，采用ＢＰ算法结合模拟退火算法，利用小试实验数据训练网络并检验训练结果；内插或外推一系列假想的工艺条件，让网络预测操作结果，最后确定最佳操作目标，通过网络模型寻找一组最佳工艺条件。结果表明：以充足可靠的实验数据为基础，神经网络模型能精确预测实验结果；利用人工神经网络模型对工艺条件进行优化，可取得令人满意的结果。

人工神经网络模拟反应精馏过程的研究

提出了用BP(误差反向传播)神经网络模拟计算合成乙酸甲酯的新思路,模拟过程中采用学习速率可变的动量BP算法训练神经网络。结果表明:只要有充足可靠的数据为基础,采用学习速率可变的动量BP算法训练的神经网络的预测精度比普通BP算法的预测精度高10倍左右,且训练时间显著下降,是一种具有广泛应用前景的模拟方法。