2009年37卷第2期廣州化工BP神經(jīng)網(wǎng)絡(luò)方法預(yù)測聚乙二醇的羧基化率傅應(yīng)強,姚嵐2,孟祥松1(1安徽工程科技學(xué)院生物化學(xué)工程系,安徽蕪湖241000;2蕪湖卷煙廠,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)率的變化值來表征研究聚乙二醇的羧基化率,電導(dǎo)率的變化值越大說明聚乙二醇的羧基化率越高。并對反應(yīng)所需的反應(yīng)條件(如pH值溫度和配比等)作了簡單的探討。研究這些反應(yīng)條件的改變對聚乙二醇的羧基化率的影響。并以 matlab語言編寫B(tài)P神經(jīng)網(wǎng)絡(luò),通過實驗數(shù)據(jù)對網(wǎng)絡(luò)進行訓(xùn)練然后以訓(xùn)練好的網(wǎng)絡(luò)對聚乙二醇的羧基化率進行預(yù)測結(jié)果表明,我們所建立的兩層BP神經(jīng)網(wǎng)絡(luò)對不同反應(yīng)條件下聚乙二醇羧基化率的仿真結(jié)果和實驗數(shù)據(jù)吻合程度最低的都達到了9%,最高的能達到99.9%左右。說明BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于化學(xué)反應(yīng)過程的預(yù)測是切實可行的。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 BPNeural NetworkFU Ying-qiang, YAO Lan, MENG Xiang-song(1Department of Biochemical Engineering, Anhui University of Technology and Science, Anhui Wuhu 2410002 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, andAnd 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'sasible that BP neural network could be used to predict the process of chemical reactionKey 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、非線性的因基本特征的某種理論抽象簡化和模擬而構(gòu)成的一種信息系果關(guān)系。如果能采用人T智能方法對該關(guān)系進行模擬,將有統(tǒng)。從系統(tǒng)觀點看,人工神經(jīng)網(wǎng)絡(luò)是由大量非線性神經(jīng)元作助于從已有的實驗數(shù)據(jù)中總結(jié)出一定的規(guī)律,在此基礎(chǔ)上對為處理單元通過極其豐富和完善的連接而構(gòu)成的大規(guī)模分反應(yīng)條件進行優(yōu)化并用來指導(dǎo)實驗從而通過盡可能少的布式并行處理系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)獨特的結(jié)構(gòu)和處理信息的實驗獲得我們所期望得到的產(chǎn)物。方法使它在許多實際應(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. ArtificialNeuralNetwork,有時也簡稱傳統(tǒng)計算方法難以解決的問題。神經(jīng)網(wǎng)絡(luò)作為人工智能的一為NN是近年來發(fā)展最快的一種人工智能方法,它能模仿人種計算工具在某些應(yīng)用領(lǐng)域具有明顯的優(yōu)點已展示出廣泛腦進行信息處理具有自學(xué)習(xí)自組織、自適應(yīng)能力及很強的的應(yīng)用前景。人工神經(jīng)網(wǎng)絡(luò)作為一種智能方法90年代初有容錯性分布存儲與并行處理信息的功能及高度非線性表達論文評“巴幾掃的階段叫但近幾年其在能力可以有效的對模型不確定的數(shù)據(jù)進行大規(guī)模的非線性化學(xué)中國煤化工有的化學(xué)數(shù)據(jù)處理自適應(yīng)處理,自動調(diào)節(jié)不同類型的非線性響應(yīng)。人工神經(jīng)網(wǎng)及相CNMHG經(jīng)網(wǎng)絡(luò)應(yīng)用于化學(xué)幸基金項目:安徽省高等學(xué)校優(yōu)秀青年人才基金項目資助(2009RZ95)。作者簡介:博應(yīng)強(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:非線性校準(zhǔn)、無損分析定量結(jié)構(gòu)/活性相關(guān)η、化學(xué)信號處理、化學(xué)反應(yīng)模擬門、故障診畫u斷、預(yù)測優(yōu)化叫等方面現(xiàn)主要是利用BP神經(jīng)網(wǎng)絡(luò)來研究預(yù)測不同的條件下聚圖1具有兩層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖乙二醇的羧基化率,首先通過實驗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)元的個來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)為個第二層傳遞函數(shù)為線性函數(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)前元個數(shù)為1。網(wǎng)絡(luò)訓(xùn)練函數(shù)采用LM優(yōu)化算法(tanm)。其后電導(dǎo)率的變化值,建立數(shù)據(jù)庫,用于已編寫的神經(jīng)網(wǎng)絡(luò)中中傳遞函數(shù)以及神經(jīng)元的個數(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)來實現(xiàn)預(yù)測聚乙二醇的訓(xùn)練誤差和較高的運行效率。神經(jīng)網(wǎng)絡(luò)模型建好之后采用的羧基化率實驗數(shù)據(jù)對網(wǎng)絡(luò)進行訓(xùn)練,并將訓(xùn)練好的網(wǎng)絡(luò)輸出和實驗的1實驗部分電導(dǎo)率差值做了對比,以檢驗網(wǎng)絡(luò)的仿真預(yù)測性能。11主要儀器和試劑電導(dǎo)率儀H-6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)率與時間的關(guān)系12實驗方法電導(dǎo)率與時間的變化關(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)率減小的過程溶液的電導(dǎo)率隨反應(yīng)時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。此時說明反應(yīng)已達到平衡。反應(yīng)達到下平衡所耗時間為3h。電導(dǎo)率之所以減小是因為反應(yīng)消耗了KMnO 4→PEG0OH高錳酸根離子,使溶液中離子濃度降低。1.3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,因此我們可以通過測量反應(yīng)前后溶液中電導(dǎo)率的變化值,來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。這樣的話我們就可以間接的通過測量電導(dǎo)率變化值(△G)來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200250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)來表示:△G=反應(yīng)時間溫度,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準(zhǔn)確的表達式來表圖2電導(dǎo)率與時間的關(guān)系圖達而BP神經(jīng)網(wǎng)絡(luò)在隱層神經(jīng)元足夠的條件下,可以以任意精度通近任意一個具有有限個間斷點的函數(shù),因此我們可以22反應(yīng)前后電導(dǎo)率差值與溫度的關(guān)系利用實驗測的的數(shù)據(jù)對建立好的網(wǎng)絡(luò)進行訓(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)測知,反應(yīng)前后溶液的電導(dǎo)率變化值開始隨溫度的升高而增14反應(yīng)條件大隨后到達一最大值后,當(dāng)再升高溫度時,電導(dǎo)率變化值就文章主要考慮了反應(yīng)時間、反應(yīng)溫度反應(yīng)體系的pH、會隨著溫度的升高而降低。此電導(dǎo)率變化的最大值所對應(yīng)的反應(yīng)物配比等幾個反應(yīng)條件對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)的最住溫度反應(yīng)時間的變化范圍為10-220min;反應(yīng)溫度變化范圍為為40℃。3070℃;pH變化范圍為7-l1;配比變化范圍為05-30。依次改變上述幾種反應(yīng)條件我們測得了30組不同條件下應(yīng)前后反應(yīng)體系的電導(dǎo)率變化值8b415BP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)格式存儲為矩陣形式。采用mlab語言編寫具有兩層結(jié)構(gòu)的BP中國煤化工神經(jīng)網(wǎng)絡(luò),其結(jié)構(gòu)如圖1所示CNMHG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)仿真輸出值和實驗實測值及相對誤差網(wǎng)絡(luò)仿真值l2028043960.78880.9402實驗實測值1.210.44相對誤差%0.5950009090.151900213網(wǎng)絡(luò)仿真值1.17811.24261.31921.398414002實驗實測值1.33相對誤差%0.16100.20970.81201.33331.3944網(wǎng)絡(luò)仿真值141081.18121.297113264實驗實測值1,42相對誤差%-1.8310064793.6140-13359網(wǎng)絡(luò)仿真值1.22531.21021.17981.67621.9503實驗實測值相對誤差隔%0.01650016902262網(wǎng)絡(luò)仿真值14504028291.0814實驗實測值0.28相對誤差%002760.1685-1.0357-5.33334.9903網(wǎng)絡(luò)仿真值12971097451.2630.7032實驗實測值相對誤差隔%098475.37860.23810096500274通過實驗數(shù)據(jù)對建立好的網(wǎng)絡(luò)進行訓(xùn)練,設(shè)定目標(biāo)誤差的pH值約為85由此說明了當(dāng)溶液的pH值為85時,聚乙小于0001,以L~M優(yōu)化算法對網(wǎng)絡(luò)進行訓(xùn)練,訓(xùn)練的誤差變二醇的羧基化率最高。化曲線如圖6所示。由圖6可知當(dāng)訓(xùn)練步數(shù)為126步時網(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)性能達標(biāo),當(dāng)前誤差為00008525。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)重自動生成仿真輸出。網(wǎng)絡(luò)訓(xùn)練輸出和實驗數(shù)據(jù)值由圖可知,當(dāng)保持高錳酸鉀的量及其他條件不變時,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)率變化的最大值對應(yīng)的聚乙二醇的量為20g,此時聚乙二醇與高錳酸鉀的質(zhì)量比為2:125BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差變化和網(wǎng)絡(luò)預(yù)測性能22201161141.1270758085909510010511011.5圖4反應(yīng)前后電導(dǎo)率差值與pH值的關(guān)系圖中國煤化工30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CNMHG可知,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,電導(dǎo)率變化的最大值所對應(yīng)廣州化工09年37卷第2期for the evaluation and analysis of FIA signals []. J. Biotechnology.2】張卓勇劉思東曾憲津人工神經(jīng)網(wǎng)絡(luò)方法校正CPAF中重用練誤差曲線疊光譜干擾門光譜學(xué)與光譜分析1997,17(5)7-813]王勇張卓勇劉思東等分析化學(xué)中的非線性校準(zhǔn)U分析化學(xué)目杯線998.26(9):1146-1155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分析化學(xué)200129()1215]湯真劉富強茍玉慧等粉末藥品安體舒通的無損定量分析人20406080100120工神經(jīng)網(wǎng)絡(luò)-近紅外光譜法的應(yīng)用分析測試學(xué)報0020362-64圖6BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差變化曲線間]方慧生相秉仁安登魁人工神經(jīng)網(wǎng)絡(luò)在蛋白質(zhì)二級結(jié)構(gòu)預(yù)測中的應(yīng)用門藥學(xué)進展199620(1)-11由兩者的差值可以看出仿真輸出和實驗數(shù)據(jù)之間的差孫之蒙德小用人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測蛋白質(zhì)超二級結(jié)構(gòu)值最大的也只有00554,相對誤差也就只有538%左右,也就是說網(wǎng)絡(luò)預(yù)測值和實驗實測值的吻合程度達到了94%以8]蔡文生于芳邵學(xué)廣等基于小波神經(jīng)網(wǎng)絡(luò)的新型算法用于化學(xué)信號處理高等學(xué)?；瘜W(xué)學(xué)報200021(6:855-859上。仿真輸出和實驗數(shù)據(jù)之間的最小相對誤差只有001549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)%,即吻合程度達到了999846%。而且大多數(shù)相對誤差都在模擬的研究門計算機與應(yīng)用化學(xué)916:459-4621%以內(nèi),說明采用BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)反應(yīng)程度的預(yù)測是非常1o聶秀榮陳丙珍李有潤人工神經(jīng)網(wǎng)絡(luò)用于蒸汽動力系統(tǒng)的故障成功的。診斷門計算機與應(yīng)用化學(xué)1995.12(2)95-98[l]王國慶葛虹許培援等神經(jīng)網(wǎng)絡(luò)用于合成條件的預(yù)測及優(yōu)化參考文獻計算機與應(yīng)用化學(xué)1997,14(2139-142[l HitzmannB, Ritzka A, ULber Retc Neural network as a modeling tool··o·≈≈·≈··≈··≈··≈···心·······@·,···合·?！?上接第59頁)后,用于脫除FSA產(chǎn)品氫氣中微量雜質(zhì)如Us3142547,1964N2Ar等,進一步純化氫氣。純化后氫氣純度可達999%4湯洪變壓吸附裝置中均壓設(shè)計的討論團化工設(shè)計,200,13以上嗎,高于電解氫氣的純度,可用于需高純氫氣的特殊場(1)k16-18S]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驗研究U2003,545)6396444結(jié)語阿6]楊皓,張佳平.變壓吸附氣體分離方法P中國專利CN25115A.2000隨著變壓吸附制氫工藝的發(fā)展和聯(lián)合工藝的開發(fā)氫氣7楊皓.一種增加變壓吸附工藝均壓次數(shù)的方法[中國專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CN206I6C.2005.用氫氣資源。但由于每種工藝都有其自身的特點變壓吸附1李潔5000h變壓吸附氫提純裝置的設(shè)計俱天然氣化工工藝流程的選擇必須根據(jù)實際需要和投資經(jīng)濟性來綜合考2000.25(437-39[9] Denis JC, David GD, Les J. Rotary pressure swing adsorptionparatus[P]. US6406523. 2002.參考文獻[10] Ondrey, Gerald. A fast PSA technology to be trialed at a petroleum[ Ramage MP. The hydrogen economy: opportunities, costs, barriersrefinery!J) Chemical Engineering. 2006. 9(1): 31[l席怡宏膜分離-變壓吸附聯(lián)合工藝生產(chǎn)燃料電池氫氣俱上and R&D needs[M]. Washington: The National Academy Press. 2005海化工,2006,31(1)26-28.2 Pacalowska E, Whysall ML, Narasimhan MV. Improve hydrogen2]焦書建采用變壓吸附技術(shù)回收煉油廠裝置尾氣中的氫氣recovery from refinery offgases[]. Hydrocarbon Processing. 1996. 75石油化工,200354:350-353.11)55-59] Marsh WD.. Pramuk FS. Hoke RC. Skarstrom CW. Pressure3]李欣,王剛科學(xué)利用提純技術(shù)優(yōu)化氫氣資源化工設(shè)計通訊206,32{355-58qualization Depressuring in Heatless Adsorption [Pl U.S. Patent,中國煤化工CNMHG