2009年37卷第2期廣州化工77BP神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)聚乙二醇的羧基化率傅應(yīng)強(qiáng)1,姚嵐2,孟祥松(1安徽工程科技學(xué)院生物化學(xué)工程系,安徽蕪湖2410002蕪湖卷煙廠(chǎng),安徽蕪湖241000)摘要:以聚乙二醇和高錳酸鉀作為原料用反應(yīng)前后溶液電導(dǎo)率的變化值來(lái)表征研究聚乙二醇的羧基化率,電導(dǎo)率的變化值越大說(shuō)明聚乙二醇的羧基化率越高。并對(duì)反應(yīng)所需的反應(yīng)條件(如p值、溫度和配比等)作了簡(jiǎn)單的探討。研究這些反應(yīng)條件的改變對(duì)聚乙二醇的羧基化率的影響。并以 matlab語(yǔ)言編寫(xiě)B(tài)P神經(jīng)網(wǎng)絡(luò)通過(guò)實(shí)驗(yàn)數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練然后以訓(xùn)練好的網(wǎng)絡(luò)對(duì)聚乙二醇的羧基化率進(jìn)行預(yù)測(cè)結(jié)果表明,我們所建立的兩層BP神經(jīng)網(wǎng)絡(luò)對(duì)不同反應(yīng)條件下聚乙二醇羧基化率的仿真結(jié)果和實(shí)驗(yàn)數(shù)據(jù)吻合程度最低的都達(dá)到了4%最高的能達(dá)到999%左右。說(shuō)明BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于化學(xué)反應(yīng)過(guò)程的預(yù)測(cè)是切實(shí)可行的。關(guān)鍵詞:人工神經(jīng)網(wǎng)絡(luò);聚乙二醇;羧基化Prediction of the Efficiency of Carboxylation Polyethylene Glycol Using BPural NetworkFU Ying-qiang, YAO Lan, MENG Xiang-song(1Department of Biochemical Engineering, Anhui University of Technology and Science, Anhui Wuhu 241000;2 Wuhu Cigerate Company, Anhui Wuhu 241000, China)Abstract: Polyethylene glycol and potassium permanganate were used as reagents. Changes in conductanceof the solution could be used to characterize and study the carboxylation of polyethylene glycol, when theconductance changed a lot. It indicated that the carboxylation degree of polyethylene glycol was higher. We alsodiscussed the influence of experimental parameters such as PH value, temperature, ratio of reagents, and so onAnd BP neural network developed and written by matlab languages, and then trained the network according tothe data obtained, then the carboxylation degree of the reaction by using the well trained network was predictedAll the results indicated that the developed neural network proved to be successful because the result obtained bythis method was in good accordance with the experimental data, the accordance degree reach 93 %-99 %.It'sfeasible that BP neural network could be used to predict the process of chemical reaction.Key words: neural networks; polyethylene glycol; carboxylation高分子反應(yīng)由于其復(fù)雜性各反應(yīng)條件和產(chǎn)物性能之間絡(luò)是生理學(xué)上的真實(shí)人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能以及若干的規(guī)律很難總結(jié),它們之間存在著非常復(fù)雜的、非線(xiàn)性的因基本特征的某種理論抽象、簡(jiǎn)化和模擬而構(gòu)成的一種信息系果關(guān)系。如果能采用人工智能方法對(duì)該關(guān)系進(jìn)行模擬,將有統(tǒng)。從系統(tǒng)觀點(diǎn)看人工神經(jīng)網(wǎng)絡(luò)是由大量非線(xiàn)性神經(jīng)元作助于從已有的實(shí)驗(yàn)數(shù)據(jù)中總結(jié)出一定的規(guī)律在此基礎(chǔ)上對(duì)處理單元通過(guò)極其豐富和完善的連接而構(gòu)成的大規(guī)模分反應(yīng)條件進(jìn)行優(yōu)化并用來(lái)指導(dǎo)實(shí)驗(yàn)從而通過(guò)盡可能少的布式并行處理系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)獨(dú)特的結(jié)構(gòu)和處理信息的實(shí)驗(yàn)獲得我們所期望得到的產(chǎn)物。方法使它在許多實(shí)際應(yīng)用中取得了顯著的成效解決了不少人工神經(jīng)網(wǎng)絡(luò)( ANN, ArtificialNeuralNetworks有時(shí)也簡(jiǎn)稱(chēng)傳統(tǒng)計(jì)算方法難以解決的問(wèn)題。神經(jīng)網(wǎng)絡(luò)作為人工智能的一為NN是近年來(lái)發(fā)展最快的一種人工智能方法它能模仿人種計(jì)算工具在某些應(yīng)用領(lǐng)域具有明顯的優(yōu)點(diǎn)已展示出廣泛進(jìn)行信息處理具有自學(xué)習(xí)自組織、自適應(yīng)能力及很強(qiáng)的的應(yīng)用前景。人工神經(jīng)網(wǎng)絡(luò)作為一種智能方法0年代初有容錯(cuò)性、分布存儲(chǔ)與并行處理信息的功能及高度非線(xiàn)性表達(dá)論文評(píng)述其在化學(xué)中的應(yīng)用只是起始階段但近幾年其在能力可以有效的對(duì)模型不確定的數(shù)據(jù)進(jìn)行大規(guī)模的非線(xiàn)性化學(xué)中的應(yīng)用范圍日益廣泛幾乎涉及所有的化學(xué)數(shù)據(jù)處理自適應(yīng)處理自動(dòng)調(diào)節(jié)不同類(lèi)型的非線(xiàn)性響應(yīng)。人工神經(jīng)網(wǎng)及相關(guān)領(lǐng)域。我國(guó)的科研工作者將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于化學(xué)基金項(xiàng)目:安徽省高等學(xué)校優(yōu)秀青年人才基金項(xiàng)目資助(20090095)。作者簡(jiǎn)介:博應(yīng)強(qiáng)(1980-),男,碩士,講師廣州化工2009年37卷第2期始于90年代初目前已發(fā)展到一定水平。目前神經(jīng)網(wǎng)絡(luò)在在化學(xué)方面的應(yīng)用主要包括:非線(xiàn)性校準(zhǔn),無(wú)損分析M”、定量結(jié)構(gòu)/活性相關(guān)、化學(xué)信號(hào)處理、化學(xué)反應(yīng)模擬門(mén)、故障診畫(huà)u斷、預(yù)測(cè)優(yōu)化等方面現(xiàn)主要是利用BP神經(jīng)網(wǎng)絡(luò)來(lái)研究預(yù)測(cè)不同的條件下聚圖1具有兩層結(jié)構(gòu)的B神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖乙二醇的羧基化率,首先通過(guò)實(shí)驗(yàn)即在堿性條件下用高錳酸鉀將聚乙二醇羧基化,利用反應(yīng)前后溶液的電導(dǎo)率變化值其中第一層采用 tansig函數(shù)作為傳遞函數(shù),神經(jīng)元的個(gè)來(lái)表征羧基化的程度電導(dǎo)率的變化值越大聚乙二醇的羧基數(shù)為22個(gè)第二層傳遞函數(shù)為線(xiàn)性函數(shù) purlin函數(shù),神經(jīng)化程度就越高。然后改變反應(yīng)條件得到不同條件下反應(yīng)前元個(gè)數(shù)為1。網(wǎng)絡(luò)訓(xùn)練函數(shù)采用LM優(yōu)化算法(tinm)。其后電導(dǎo)率的變化值建立數(shù)據(jù)庫(kù),用于已編寫(xiě)的神經(jīng)網(wǎng)絡(luò)中中傳遞函數(shù)以及神經(jīng)元的個(gè)數(shù)的選擇主要考慮兼顧了較小加以訓(xùn)練,最終用已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)預(yù)測(cè)聚乙二的訓(xùn)練誤差和較高的運(yùn)行效率。神經(jīng)網(wǎng)絡(luò)模型建好之后采用的羧基化率。實(shí)驗(yàn)數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并將訓(xùn)練好的網(wǎng)絡(luò)輸出和實(shí)驗(yàn)的1實(shí)驗(yàn)部電導(dǎo)率差值做了對(duì)比以檢驗(yàn)網(wǎng)絡(luò)的仿真預(yù)測(cè)性能。1.1主要儀器和試劑電導(dǎo)率儀H6多頭磁力加熱攪拌器、聚乙二醇1000高2結(jié)果與討論錳酸鉀、氡氧化鈉。21電導(dǎo)率與時(shí)間的關(guān)系12實(shí)驗(yàn)方法電導(dǎo)率與時(shí)間的變化關(guān)系如圖2所示,由圖可知,此反在堿性條件下,利用高錳酸鉀的氧化性氧化聚乙二醇,應(yīng)是電導(dǎo)率減小的過(guò)程溶液的電導(dǎo)率隨反應(yīng)時(shí)間的增大而使聚乙二醇中的羥基氧化成羧基即羧基化。反應(yīng)方程式如降低,最終趨于一直線(xiàn)。此時(shí)說(shuō)明反應(yīng)已達(dá)到平衡。反應(yīng)達(dá)到平衡所耗時(shí)間為3h電導(dǎo)率之所以減小是因?yàn)榉磻?yīng)消耗了KMnO4高錳酸根離子,使溶液中離子濃度降低PEG-OH一畿性→ PEG-OOH1.3神經(jīng)網(wǎng)絡(luò)的構(gòu)建原理由反應(yīng)方程式可知聚乙二醇的羧基化率和反應(yīng)前后的電導(dǎo)率改變值是成正比的,因此我們可以通過(guò)測(cè)量反應(yīng)前后溶液中電導(dǎo)率的變化值,來(lái)表征其羧基化的程度,即羧基化率,反應(yīng)前后溶液電導(dǎo)率的變化值越大其羧基化的程度就越高。這樣的話(huà)我們就可以間接的通過(guò)測(cè)量電導(dǎo)率變化值(△G)來(lái)表征聚乙二醇羧基化的程度,我們研究不同反應(yīng)條件下體系的電導(dǎo)率變化值,得到一系列條件下的電導(dǎo)率差值那么電導(dǎo)率差值和反應(yīng)條件的關(guān)系可以用下面的函數(shù)來(lái)表示:△G=f反應(yīng)時(shí)間溫度,pH配比,……),很顯然這種函數(shù)是非常復(fù)雜的,而且一般都不能用一個(gè)準(zhǔn)確的表達(dá)式來(lái)表圖2電導(dǎo)率與時(shí)間的關(guān)系圖達(dá)而B(niǎo)P神經(jīng)網(wǎng)絡(luò)在隱層神經(jīng)元足夠的條件下,可以以任意精度逼近任意一個(gè)具有有限個(gè)間斷點(diǎn)的函數(shù)丙此我們可以22反應(yīng)前后電導(dǎo)率差值與溫度的關(guān)系利用實(shí)驗(yàn)測(cè)的的數(shù)據(jù)對(duì)建立好的網(wǎng)絡(luò)進(jìn)行訓(xùn)練,使得訓(xùn)練好反應(yīng)前后電導(dǎo)率差值與溫度的關(guān)系如圖3所示,由圖可的網(wǎng)絡(luò)能夠?qū)崿F(xiàn)聚乙二醇的羧基化率的預(yù)測(cè)。知,反應(yīng)前后溶液的電導(dǎo)率變化值開(kāi)始隨溫度的升高而增14反應(yīng)條件大隨后到達(dá)一最大值后,當(dāng)再升高溫度時(shí),電導(dǎo)率變化值就文章主要考慮了反應(yīng)時(shí)間反應(yīng)溫度反應(yīng)體系的pH會(huì)隨著溫度的升高而降低。此電導(dǎo)率變化的最大值所對(duì)應(yīng)的反應(yīng)物配比等幾個(gè)反應(yīng)條件對(duì)聚乙二醇羧基化的影響,其中溫度大約在40℃附近。所以由此可得出此反應(yīng)的最佳溫度反應(yīng)時(shí)間的變化范圍為10-220mn;反應(yīng)溫度變化范圍為為40℃。3070℃;pH變化范圍為7-l1;配比變化范闈為05-30。依次改變上述幾種反應(yīng)條件我們測(cè)得了30組不同條件下反應(yīng)前后反應(yīng)體系的電導(dǎo)率變化值15BP神經(jīng)網(wǎng)絡(luò)模型的建立文章以上述不同反應(yīng)條件下的30組數(shù)據(jù)為訓(xùn)練樣本,其中各不同反應(yīng)條件為輸入電導(dǎo)率差值為輸出。數(shù)據(jù)格式存儲(chǔ)為矩陣形式。采用mlab語(yǔ)言編寫(xiě)具有兩層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò),其結(jié)構(gòu)如圖1所示圖3反應(yīng)前后電導(dǎo)率差值與溫度的關(guān)系圖2009年37卷第2期廣州化工表1神經(jīng)網(wǎng)絡(luò)仿真輸出值和實(shí)驗(yàn)實(shí)測(cè)值及相對(duì)誤差網(wǎng)絡(luò)仿真值l2028043960.78880.9402實(shí)驗(yàn)實(shí)測(cè)值L210.44相對(duì)誤差%0.5950009090.151900213網(wǎng)絡(luò)仿真值1.17811.24261.31921.3984l4002實(shí)驗(yàn)實(shí)測(cè)值1.81.33相對(duì)誤差%0.16100.2097081201.333313944網(wǎng)絡(luò)仿真值141081.18121.2971實(shí)驗(yàn)實(shí)測(cè)值1,42L.14相對(duì)誤差%l831006479-3.61401.335920308網(wǎng)絡(luò)仿真值1.22531.21021.1798167621.9503實(shí)驗(yàn)實(shí)測(cè)值1.18相對(duì)誤差隔%0.38210.0165001690.0154網(wǎng)絡(luò)仿真值145040.88850.28290.75841.0814實(shí)驗(yàn)實(shí)測(cè)值0.8972103相對(duì)誤差隔%002760.1685-1.0357533334.9903網(wǎng)絡(luò)仿真值129710.97451.0.7032實(shí)驗(yàn)實(shí)測(cè)值1.311.031.140.73相對(duì)誤差隔%098475.37860.23810096500274通過(guò)實(shí)驗(yàn)數(shù)據(jù)對(duì)建立好的網(wǎng)絡(luò)進(jìn)行訓(xùn)練設(shè)定目標(biāo)誤差的pH值約為85由此說(shuō)明了當(dāng)溶液的pH值為85時(shí),聚乙小于0001,以L(fǎng)-M優(yōu)化算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,訓(xùn)練的誤差變二醇的羧基化率最高?；€(xiàn)如圖6所示。由圖6可知,當(dāng)訓(xùn)練步數(shù)為126步時(shí)網(wǎng)24反應(yīng)前后電導(dǎo)率差值與反應(yīng)物配比的關(guān)系絡(luò)性能達(dá)標(biāo),當(dāng)前誤差為000098525。訓(xùn)練好的網(wǎng)絡(luò)根據(jù)網(wǎng)反應(yīng)前后電導(dǎo)率差值與聚乙二醇量的關(guān)系如圖5所示絡(luò)參數(shù)權(quán)重自動(dòng)生成仿真輸出。網(wǎng)絡(luò)訓(xùn)練輸出和實(shí)驗(yàn)數(shù)據(jù)值圖可知,當(dāng)保持高錳酸鉀的量及其他條件不變時(shí),反應(yīng)前分別如表1所示。后溶液的電導(dǎo)率的變化值隨著聚乙二醇量的增加呈現(xiàn)先增23反應(yīng)前后電導(dǎo)率差值與pH值的關(guān)系大后減小,電導(dǎo)率變化的最大值對(duì)應(yīng)的聚乙二醇的量為20g,此時(shí)聚乙二醇與高錳酸鉀的質(zhì)量比為2:25BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差變化和網(wǎng)絡(luò)預(yù)測(cè)性能7075808.5909.510010.5110115圖4反應(yīng)前后電導(dǎo)率差值與pH值的關(guān)系圖051015202530反應(yīng)前后電導(dǎo)率差值與pH值的關(guān)系如圖4所示,由圖知,反應(yīng)前后溶液的電導(dǎo)率的變化值隨著pH值的增大呈圖5反應(yīng)前后電導(dǎo)率差值與聚乙二醇量的關(guān)現(xiàn)出先增大后減小的變化趨勢(shì)電導(dǎo)率變化的最大值所對(duì)應(yīng)廣州化工2009年37卷第2期alysis of FIA signals [] J. Biotechnolo99865l}15-222】張卓勇劉思東曾憲津人丁神經(jīng)網(wǎng)絡(luò)方法校正CPAE中重練誤差曲線(xiàn)疊光譜干擾門(mén)光譜學(xué)與光譜分析997,17(57-81B3]王勇張卓勇劉思東等分析化學(xué)中的非線(xiàn)性校準(zhǔn)分析化學(xué)目杯線(xiàn)1998.26{9:1146-1郭曄茍玉慧湯真人工神經(jīng)網(wǎng)絡(luò)近紅外光譜法用于粉末藥品美的康的非破壞定量分析門(mén)分析化學(xué)2001.291)12120406080100120]湯真劉富強(qiáng)茍玉慧等粉末藥品安體舒通的無(wú)損定量分析人126 Epochs工神經(jīng)網(wǎng)絡(luò)-近紅外光譜法的應(yīng)用分析測(cè)試學(xué)報(bào)2001,203)62-6圖6BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差變化曲線(xiàn)間6方慧生相秉仁安登魁人工神經(jīng)網(wǎng)絡(luò)在蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)中的應(yīng)用門(mén)藥學(xué)進(jìn)展1996,20(1)-1由兩者的差值可以看出仿真輸出和實(shí)驗(yàn)數(shù)據(jù)之間的差7孫之榮饒小謙用人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)蛋白質(zhì)超二級(jí)結(jié)構(gòu)門(mén)值最大的也只有00554,相對(duì)誤差也就只有538%左右也生物物理學(xué)報(bào),1995114570574就是說(shuō)網(wǎng)絡(luò)預(yù)測(cè)值和實(shí)驗(yàn)實(shí)測(cè)值的吻合程度達(dá)到了%4%以8]蔡文生于芳部學(xué)廣等基于小波神經(jīng)網(wǎng)絡(luò)的新型算法用于化學(xué)信號(hào)處理]高等學(xué)?；瘜W(xué)學(xué)報(bào)20021(6855-859上。仿真輸出和實(shí)驗(yàn)數(shù)據(jù)之間的最小相對(duì)誤差只有0015491張立安楊建麗劉振宇等人工神經(jīng)網(wǎng)絡(luò)用于煤直接液化反應(yīng)%,即吻合程度達(dá)到了999846%。而且大多數(shù)相對(duì)誤差都在模擬的研究門(mén)計(jì)算機(jī)與應(yīng)用化學(xué)916:459-462%以?xún)?nèi)說(shuō)明采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)反應(yīng)程度的預(yù)測(cè)是非常10聶秀榮陳丙珍李有潤(rùn)人工神經(jīng)網(wǎng)絡(luò)用于蒸汽動(dòng)力系統(tǒng)的故障診斷門(mén)計(jì)算機(jī)與應(yīng)用化學(xué)1995295-98[l王國(guó)慶葛虹許培援等神經(jīng)網(wǎng)絡(luò)用于合成條件的預(yù)測(cè)及優(yōu)化參考文獻(xiàn)門(mén)計(jì)算機(jī)與應(yīng)用化學(xué)997,142139-142HitamannB, Ritka A, ULber Retc Neural network as a modeling tool···≈…·······小心·。····@·合···(上接第59頁(yè))后,用于脫除FA產(chǎn)品氫氣中微量雜質(zhì)如US3142547,1964N2Ar等,進(jìn)一步純化氫氣。純化后氫氣純度可達(dá)9999%4湯洪變壓吸附裝置中均壓設(shè)計(jì)的討論識(shí)化工設(shè)計(jì),2003,13以上嗎,高于電解氫氣的純度,可用于需高純氫氣的特殊場(chǎng)S]周理,呂昌忠,邊守軍等.非耦聯(lián)吸附塔新變壓吸附工藝的實(shí)驗(yàn)研究2003,545)639-6444結(jié)語(yǔ)6]楊皓,張佳平.變壓吸附氣體分離方法四P中國(guó)專(zhuān)利隨著變壓吸附制氫工藝的發(fā)展和聯(lián)合工藝的開(kāi)發(fā)氫氣CN25115A.2000⑦7楊皓.一種增加變壓吸附工藝均壓次數(shù)的方法四中國(guó)專(zhuān)利,的回收率和氫氣純度都得以提高我們可以更好地發(fā)掘和利用氫氣資源。但由于每種工藝都有其自身的特點(diǎn)變壓吸附圖]李潔.5000變壓吸附氫提純裝置的設(shè)計(jì)俱天然氣化工,工藝流程的選擇必須根據(jù)實(shí)際需要和投資經(jīng)濟(jì)性來(lái)綜合考2000.25(4:37-39[9] Denis JC. David GD, Les J. Rotary pressure swing adsorptionparatus(P). US6406523. 2002.參考文獻(xiàn)[10] Ondrey, Gerald. A fast PSA technology to be trialed at a petroleumrefinery[J. Chemical Engineering, 2006. 9(1): 31MP. The hydrogen ee[l席常怡宏膜分離-變壓吸附聯(lián)合工藝生產(chǎn)燃料電池氫氣俱上D needs[M]. Washington: The National Academy Press, 2005.?；?2006,31(1)26-282焦書(shū)建采用變壓吸附技術(shù)回收煉油廠(chǎng)裝置尾氣中的氫氣門(mén)recovery from refinery offgases]) Hydrocarbon Processing 1996, 75石油化工,2006,354350-35311)55-59[3] Marsh WD, Pramuk FS, Hoke RC, Skarstrom CW. Pressure[3]李欣王剛科學(xué)利用提純技術(shù)優(yōu)化氫氣資源小化工設(shè)計(jì)通訊006,32(3155-58Equalization Depressuring in Heatless Adsorption [PL U.S. Patent,