ANN与VA技术用于超临界流体提取南瓜子油工艺研究精篇课件.ppt

ANN与VA技术用于超临界流体提取南瓜子油工艺研究 答辩人 ：张 晓 导师： 孙益民 教授 南瓜子产品的综合开发与利用日益受到国内及世界发达国家的普遍重视, 开发南瓜子系列产品具有广阔的国际和国内市场, 前景一十分诱人。目前,我国是世界上南瓜产量第二大国,兼有原料充足，劳动力廉价等诸多优势,具有占领国际市场的能力。因此，优化南瓜子油提取工艺,以低成本获得高品质的南瓜子油意义重大。 本实验安排4个因素，每个因素考察10个水平。在同等实验安排下，若采用枚举法进行系统全面研究，则需要做10000次实验，按每天做两个试验计算，则需要花费13.69年。 一、采用超临界CO2萃取法萃取。 二、运用多因素多水平试验设计法(m2VD)安排试验，试验安排4个因素，每个因素考察10个水平。 三、采用本课题小组自主提出的多因素多水平可视化分析方法(m2VA)，对多维空间试验数据进行分析，最终找出最佳工艺参数，为工业化生产提供依据。 优势： 选择性好； 可在近常温下操作，适用于热敏性物质； 提取速度较快； 溶质和溶剂分离彻底且容易； 溶剂CO2具有不可燃、无毒、价廉易得等。 南瓜子油多因素多水平试验设计(m2VD)与实验结果 可视化分析法--Visual Analysis VA法通过将试验数据与考察变量绘成多幅2.5维图的方式，同时考察两种不同的影响因素与指标之间的关系，然后从数幅图中找出最佳工艺的优化区域。 南瓜子油实验工艺优化区域的确定 提取压力最佳范围的确定 提取温度最佳范围的确定 以提取温度为横坐标，分别以提取压力、提取时间和分离1压纵力为纵坐标，将实验数据绘成2.5维图，反映了在此不同考察因素条件下提取温度对南瓜子油提取率的影响情况。 结论：提取温度的最佳范围为25～31℃和44～53.5℃时 。实际操作时应尽量采用低温，即选用萃取温度T为25～31℃为宜 提取时间最佳范围的确定 以提取时间为横坐标，分别以提取压力﹑分离1压力﹑提取温度为纵坐标作图，在此不同因素条件下考察提取时间对南瓜子油提取率的影响。 结论：提取时间的最佳范围为42～80min和98～140min ，从经济角度考虑，选择42～80min 更合适。 分离1压力最佳范围的确定 以分离1压力为横坐标，分别以提取压力﹑提取温度﹑提取时间为纵坐标，将实验数据绘成2.5维图，反映了在此不同考察因素条件下分离1压力对南瓜子油提取率的影响。 结论：分离1压力的最佳范围为4.0～4.8MPa 和5.8～7.6MPa ，从经济和安全的角度考虑，选择 4.0～4.8MPa成本会更低。 结论 以提取压力﹑提取温度﹑提取时间﹑分离1压力为试验因素，运用多因素多水平试验设计法对南瓜子油的提取工艺进行考察，以南瓜子油提取率为试验指标，采用多因素多水平可视分析方法分析试验数据，最终找出最佳工艺范围为：提取压力为17.5~30MPa，分离1压力为4.0~4.8MPa，提取温度为25~31℃，提取时间为42~80min。 人工神经网络--Artificial Neural Networks 人工神经网络作为人工智能的理论基础，能够有效地考察实验条件间的交互作用，是迄今为止最强大的非线性科学武器，具有强大的处理非线性问题的能力。 试验的结果没有整齐可比性，大多数文献报道试验结果通常用多因素多水平线性回归分析或逐步回归分析的方法来筛选变量，建立定量关系。然而提取率与提取工艺条件之间是一种复杂非线性关系，加之提取条件间存在交互影响，如果工艺条件多，结果分析很难做到科学合理。 论文采用人工神经网络技术研究试验结果，分析系统的规律。 建立人工神经网络模型 试验数据采用三层的拓扑结构为4-3-1的误差反向传播模型(Back-Propagation，即BP)建立描述南瓜子油提取的人工神经网络辨识模型。 网络输入层的节点数即为工艺中影响因素的数量，试验为4个影响因素故有4个输入节点；网络输出层的节点数是试验评价指标，亦即优化工艺预报的对象。本工作的输出节点数为1。 本文中隐藏层的节点数经过反复试验计算，确定其数量为3，此数值较小，建立的模型健壮性强。 人工神经网络模型计算公式 采用的Sigmoid函数与lin函数的计算公式如下：其中 i=1,2,…,m; j=1, 2,… , M 留二法 BP网络具有学习功能，每次以随机抽取的8(=10–2)组试验数据进行训练，其余2组试验数据用于测试模型质量。此法为本研究小组提出，称为“留二法”（leave-two-out）。 在训练过程中可以根据计算误差调整权重，当误差达到10－6时，记录当前权重值和偏置值，构成模型网络，训练次数为67次。 人工神经网络参数 人工神经网络模型的实验验证 ANN分析工艺中南瓜子油提取率影响因素分