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...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。展开更多
文摘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。